您可以在Name列上使用groupby并应用sample

df.groupby('Name',as_index=False).apply(lambda x:x.sample()).reset_index(drop=True)

Distance   Name  Time  Order
0        31   John     9      1
1        15   Kate     7      1
2        32  Peter     2      0

例如，您可以使用numpy函数random.permutation对所有样本进行混洗。然后groupby乘以Name，并从每组中取N行：

df.iloc[np.random.permutation(len(df))].groupby('Name').head(1)

你可以使用unique来实现

df['Name'].unique()

打乱 Dataframe ：

df.sample(frac=1)

然后删除重复的行：

df.drop_duplicates(subset=['Name'])

df.drop_duplicates(subset='Name')


   Distance   Name  Time  Order
1        16   John     5      0
0        23   Kate     3      0
2        32  Peter     2      0

这应该有帮助，但这不是随机选择，它保持了第一

如何使用random
就像这样
导入您提供的数据，

df=pd.read_csv('random_data.csv', header=0)

看起来像这样

Distance  Name  Time  Order
1        16  John     5      0
4         3  John     9      1
0        23  Kate     3      0
3        15  Kate     7      1

然后得到一个随机的列名

colname = df.columns[random.randint(1, 3)]

在它下面选择了“姓名”，

print(df[colname])
1    John
4    John
0    Kate
3    Kate
Name: Name, dtype: object

当然我可以把它浓缩成，

print(df[df.columns[random.randint(1, 3)]])

import pandas as pd

df = pd.DataFrame(
    {
        'Distance': [16, 31, 23, 15, 32, 26],
        'Name': ['John', 'John', 'Kate', 'Kate', 'Peter', 'Peter'],
        'Time': [5, 9, 3, 7, 2, 4],
        'Order': [0, 1, 0, 1, 0, 1],
    },
    index=[1, 4, 0, 3, 2, 5],
)

df.groupby('Name').sample(n=1)