如何按rank_group分组打乱DataFrame中各用户的组顺序（组内顺序保持不变）

你遇到的需求很明确：要给每个用户的rank_group块随机重排顺序，但每个块内部的行顺序得和原来保持一致，而不是把所有行彻底打乱。先再明确下你的DataFrame特点：每个用户的行是按rank_group1、2、3……依次排列的，现在要让每个用户的这些组块顺序随机（比如有的用户变成3、1、2，有的变成2、3、1之类的），但组内的行顺序完全保留。

你之前尝试的df.sample(frac=1)确实不符合需求——它会把所有行混在一起打乱，彻底破坏了rank_group的块结构，这不是你要的效果。

解决方案：按用户分组后打乱rank_group块顺序 #

核心思路是：先按UserID分组，对每个用户的rank_group块单独打乱顺序，再把所有用户的结果拼接起来。这样既能保证每个用户的组块顺序随机，又能保留组内的行顺序。

方法一：循环分组处理（直观易懂）

import pandas as pd
import numpy as np

# 假设你的原始DataFrame是df
shuffled_result = []

# 按UserID分组遍历每个用户的数据
for user_id, user_data in df.groupby('UserID'):
    # 获取该用户所有唯一的rank_group，随机打乱它们的顺序
    randomized_ranks = np.random.permutation(user_data['rank_group'].unique())
    # 按照打乱后的rank顺序，依次取出对应组的行并拼接
    user_shuffled = pd.concat([user_data[user_data['rank_group'] == rank] for rank in randomized_ranks])
    shuffled_result.append(user_shuffled)

# 合并所有用户的结果，重置索引
final_df = pd.concat(shuffled_result).reset_index(drop=True)

方法二：用groupby.apply简化代码

如果喜欢更简洁的写法，可以用groupby.apply直接对每个用户组应用打乱逻辑：

def shuffle_rank_blocks(user_group):
    # 随机打乱当前用户的rank_group顺序
    shuffled_ranks = np.random.permutation(user_group['rank_group'].unique())
    # 按打乱后的顺序拼接组块
    return pd.concat([user_group[user_group['rank_group'] == r] for r in shuffled_ranks])

# 按UserID分组处理，group_keys=False避免保留分组索引
final_df = df.groupby('UserID', group_keys=False).apply(shuffle_rank_blocks).reset_index(drop=True)

效果验证 #

这样处理后，每个用户的rank_group块顺序会是随机排列的，但每个块内部的行顺序和你原始DataFrame里的完全一致。比如用户1的行可能变成先显示rank_group=3的所有行，再是rank_group=1，最后是rank_group=2，但每个rank_group内部的行顺序和原来的组内顺序完全相同。

备注：内容来源于stack exchange，提问作者Carlo Allocca