Pandas中为多列分组分配相同随机整数值的实现方法

你需要的给相同Name+Week组合赋一致随机整数的需求，用pandas内置的groupby + transform实现最简洁高效，是这类场景的规范写法，不需要额外做表合并或者手动枚举组合。

实现代码 #

import numpy as np
import pandas as pd

# 替换为你需要的随机数范围x、y，注意np.random.randint是左闭右开区间，要包含上界y就写y+1
x = 100
y = 500

df["Value"] = df.groupby(["Name", "Week"])["Name"].transform(
    lambda _: np.random.randint(x, y + 1)
)

逻辑说明 #

• 先按Name和Week两列分组，所有相同组合的行会被归为同一组
• transform方法会对每个分组执行一次传入的随机数生成函数，再把生成的单个随机值广播到组内每一行，天然保证同组取值完全一致
• 全程在原DataFrame上操作，不需要生成中间表、不需要手动匹配组合映射，代码可读性和执行效率都更高。

原有方案的问题 #

• 第一种自定义函数方案：你用的itertools.combinations作用是生成序列的排列组合，根本不能正确枚举表中实际存在的Name+Week配对，会生成大量无效组合，后续还要手动写映射匹配逻辑，冗余且容易出错。
• 第二种groupby后merge的方案：逻辑上可以得到正确结果，但多了聚合计数、重置索引、多表合并的冗余步骤，数据量较大时merge操作会带来不必要的性能开销，属于绕路的实现。

小提示：如果需要固定随机结果方便复现，可以在生成随机数前执行np.random.seed(任意整数)，每次运行得到的Value值就会完全一致。

内容的提问来源于stack exchange，提问作者Jonas Palačionis