最安全的方式是用DataFrame.sample(frac=1, random_state=42).reset_index(drop=True)，它天然支持随机抽样、保持结构完整、避免重复索引和MultiIndex问题，并确保数据类型、缺失值标记等细节不变。
用 sample() 最安全，shuffle=True 在 train_test_split 里才管用
直接调 sklearn.utils.shuffle() 或改 df.index 再 reindex() 都容易出错，尤其遇到重复索引或 MultiIndex 时。最稳的方式是用 DataFrame.sample()，它天然支持随机抽样且保持原 DataFrame 结构完整。
关键点：默认 frac=1 就是全量重排，replace=False（默认）保证不重复行，random_state 控制可复现性：
df_shuffled = df.sample(frac=1, random_state=42).reset_index(drop=True)
-
reset_index(drop=True)必加，否则打乱后索引是乱序数字，后续按位置切片（如df.iloc[:10]）会意外跳行 - 不设
random_state每次运行结果不同，调试和生产环境都建议固定 -
frac=1是显式写法，比空参数更易读；省略会报错（frac不能为None）
别碰 numpy.random.shuffle() 直接改原 DataFrame
这个函数只接受 ndarray，对 DataFrame 调用会静默失败或报 ValueError: assignment destination is read-only —— 因为底层数据可能被标记为只读（尤其从 CSV 读入或某些视图操作后）。
真要用 NumPy 方式，必须先转成 values 再重建 DataFrame：
立即学习“Python免费学习笔记（深入）”；
import numpy as np<br>arr = df.values.copy()<br>np.random.shuffle(arr)<br>df_shuffled = pd.DataFrame(arr, columns=df.columns, index=df.index)
- 必须
.copy()，否则shuffle()可能修改原始df.values（取决于内存布局） - 重建时要传
columns和index，否则列名/索引丢失；若原df有category类型列，这里会退化成object - 性能上不如
sample()，因为多了一次数组拷贝和 DataFrame 构造
在 train_test_split 里设 shuffle=True 不等于打乱整个 DataFrame
很多人以为 train_test_split(df, test_size=0.2, shuffle=True) 会先全局打乱再切分，其实它内部只对输入做一次随机索引映射，然后按该顺序分割 —— 效果等价于先 sample() 再按比例切，但你拿不到中间那个“已打乱的完整 DataFrame”。
- 如果你需要训练集、验证集、测试集都来自同一份打乱后的顺序，必须先单独打乱
df，再用iloc切分 -
shuffle=True时random_state必须同步设，否则两次调用train_test_split（比如分别切 X 和 y）可能索引对不上 - 对带时间序列特征的数据，
shuffle=True默认开启，但业务上往往不该打乱——这点容易忽略
重复索引会让 reindex() 打乱失效
有人用 df.reindex(np.random.permutation(df.index))，看似简洁，但只要 df.index 有重复值（比如读 Excel 时没设索引，或 merge 后残留），reindex() 会按首次匹配位置填充，导致部分行消失或重复。
- 检查方式：
df.index.duplicated().any() - 修复方式：打乱前强制重置索引，
df = df.reset_index(drop=True)，再用sample() - 即使索引唯一，
reindex()也不处理NaN索引值，而sample()完全无视索引类型
真正麻烦的不是语法，而是打乱后索引、数据类型、缺失值标记是否还和原来一致——sample() 是唯一一个默认保全所有这些细节的操作。
