如何在打乱DataFrame时保留内部序列的完整性？

你说的这个需求很常见——要打乱DataFrame但不能破坏每4行一组的序列结构，直接用df.sample(frac=1)确实会把行拆得七零八落，完全不符合要求。下面是经过验证的可行方案（感谢@Wen-Ben的思路）：

实现步骤 #

1. 先定义你的序列长度：

   seq_length = 4
   

2. 预处理DataFrame，确保行数是序列长度的整数倍（如果原数据行数不是4的倍数，会自动截断到最近的有效长度）：

   import numpy as np
   import pandas as pd
   
   # 计算可被序列长度整除的最大有效行数
   valid_row_count = (df.shape[0] // seq_length) * seq_length
   # 截断DataFrame到有效行数
   trunc_data = df.head(valid_row_count)
   

3. 给每一组序列打上专属标识，把DataFrame拆分成按组存储的字典：

   # 生成分组ID数组，每4行对应同一个ID
   group_ids = np.arange(valid_row_count) // seq_length
   # 按ID分组，把每组序列存入字典
   seq_groups = {idx: group for idx, group in trunc_data.groupby(group_ids)}
   

4. 随机打乱组的顺序，再重新拼接成最终的DataFrame：

   # 生成打乱后的组索引顺序
   shuffled_indices = np.random.choice(len(seq_groups), len(seq_groups), replace=False)
   # 按打乱后的顺序拼接所有组
   shuffled_df = pd.concat([seq_groups.get(idx) for idx in shuffled_indices])
   

这样得到的shuffled_df会整体打乱序列组，但每个4行的子序列内部结构完全保留——比如原序列[1,2,3,4,10,11,12,13,20,21,22,23]会变成类似[20,21,22,23,1,2,3,4,10,11,12,13]的形式，完全匹配你的需求。

内容的提问来源于stack exchange，提问作者M.F