如何用Python的Pandas将CSV文件随机打乱后按4:6拆分？

你的代码存在几个关键问题，导致没达到预期效果：

• 未导入numpy模块，代码里用了np但没写import numpy as np
• np.random.permutation(df)仅返回打乱后的数组，没有将结果赋值回原DataFrame，所以原数据根本没被打乱
• 切片df[401:]会漏掉第400行，应该用df[400:]才能拿到剩下的600行

下面是两种可行的解决方案：

方法一：用Pandas内置sample方法打乱（推荐） #

这个方法更简洁，直接对DataFrame操作：

import pandas as pd

# 读取原始CSV
df = pd.read_csv('filename.csv')
# 随机打乱所有行，frac=1表示取全部数据；random_state可选，固定后可复现打乱结果
shuffled_df = df.sample(frac=1, random_state=42)

# 按40%/60%拆分数据
split_point = int(len(shuffled_df) * 0.4)
df_40 = shuffled_df[:split_point]
df_60 = shuffled_df[split_point:]

# 保存到新CSV，index=False避免写入默认索引列
df_40.to_csv('filename1.csv', index=False)
df_60.to_csv('filename2.csv', index=False)

方法二：用numpy的permutation重新索引 #

如果坚持用numpy的方式，需要通过打乱后的索引重新排列DataFrame：

import pandas as pd
import numpy as np

df = pd.read_csv('filename.csv')
# 生成打乱后的索引数组
shuffled_indices = np.random.permutation(len(df))
# 用打乱后的索引重构DataFrame
shuffled_df = df.iloc[shuffled_indices]

# 拆分和保存逻辑同方法一
split_point = int(len(shuffled_df) * 0.4)
shuffled_df[:split_point].to_csv('filename1.csv', index=False)
shuffled_df[split_point:].to_csv('filename2.csv', index=False)

补充说明：

• index=False是为了避免把Pandas默认的索引列写入CSV，若需要保留索引可去掉该参数
• random_state参数可以固定随机种子，让每次运行代码的打乱结果一致，方便调试

内容的提问来源于stack exchange，提问作者Apy_dum