Python中多数组存入单CSV并保留原列名（含列抽样场景）

先帮你梳理下思路：你需要对每一列做无放回随机抽样（其实就是打乱该列顺序），然后把所有抽样后的列整合起来，保留原列名存成CSV。这里有几个关键细节要注意，我一步步给你讲：

1. 修正循环范围（别漏掉最后一列！） #

你原来的range(1,250)只会处理列1到249，因为Python的range是左闭右开的。要覆盖1到250所有列，得改成range(1, 251)。

2. 用字典收集抽样结果（动态列名超方便） #

字典的键可以直接对应你的列名，值就是抽样后的数组，之后转成DataFrame时会自动把键作为列名，完美适配你的动态列名需求。

3. 完整代码示例 #

假设你的DataFrame的列名是字符串类型（比如读CSV时默认会把数字列名转成字符串），如果是整数列名，去掉str(i)直接用i就行：

import pandas as pd
import numpy as np

# 假设你的原始数据已经存在df里了
# 初始化空字典来存抽样后的列
sampled_columns = {}

# 遍历1到250所有列
for i in range(1, 251):
    col_name = str(i)  # 如果列名是整数，改成col_name = i
    # 对当前列做无放回全量抽样（等同于打乱列顺序）
    sampled_array = np.random.choice(df[col_name], len(df), replace=False)
    # 将抽样结果存入字典，键为原列名
    sampled_columns[col_name] = sampled_array

# 把字典转成DataFrame
result_df = pd.DataFrame(sampled_columns)

# 保存到CSV，index=False表示不保存行索引（根据你的需求调整）
result_df.to_csv("sampled_data.csv", index=False)

可选：用Pandas的sample方法更简洁 #

其实Pandas自带的sample方法可以直接实现无放回抽样，代码更直观，效果和np.random.choice完全一致：

sampled_array = df[col_name].sample(frac=1, replace=False).values

把上面这行替换掉np.random.choice那行就行，两种方式都能达到目的，看你习惯用哪个。

为什么用字典？ #

因为字典的键值对结构天然匹配“列名-列数据”的关系，不管你有多少列（哪怕不是1到250的连续列），都能轻松动态生成列名，后续转DataFrame和存CSV都非常省心。

内容的提问来源于stack exchange，提问作者SANDIPAN DAWN