如何打乱train数据框，同时与label数据框维持列对应关系

要实现这个需求很简单，核心思路是生成一组统一的随机列索引/列名，然后用它同时重排train和label的列，这样就能保证两者的列对应关系完全同步。下面分两种常见场景给出具体实现：

场景1：train和label的列名完全一致（或顺序对应） #

如果你的两个数据框列名是一一对应的（比如都叫col_0, col_1, ..., col_19999），可以直接基于列名来打乱：

import pandas as pd
import numpy as np

# 生成打乱后的列名列表（frac=1表示全量采样，即打乱所有列）
shuffled_columns = train.columns.to_series().sample(frac=1).index

# 用打乱后的列名重新索引两个数据框
train_shuffled = train[shuffled_columns]
label_shuffled = label[shuffled_columns]

场景2：列名不一致但列的位置严格对应 #

如果train和label的列名不同，但第i列的对应关系是基于位置的（比如train第1列对应label第1列），那就直接用列的索引位置来操作更稳妥：

import pandas as pd
import numpy as np

# 获取总列数，生成打乱后的列索引数组
total_cols = train.shape[1]
shuffled_indices = np.random.permutation(total_cols)

# 用iloc按列索引重排
train_shuffled = train.iloc[:, shuffled_indices]
label_shuffled = label.iloc[:, shuffled_indices]

关键原理说明 #

不管用哪种方式，核心都是让train和label使用完全相同的打乱规则：随机生成的列顺序是唯一的，两个数据框都按照这个顺序重新排列列，这样原来train的第i列和label的第i列，在打乱后依然会处于同一位置，对应关系完全保留。

你可以简单测试验证：比如取打乱前train的第5列和label的第5列，在打乱后它们会同时出现在某个新的列位置上，数据对应关系完全不变。

内容的提问来源于stack exchange，提问作者Jatt