我有两个人之间的一连串对话（400）作为字符串（或更准确地说是纯文本文件），这的一个小例子可能是：
my_textfiles = ['john: hello \nmary: hi there \njohn: nice weather \nmary: yes',
'nancy: hello \nbill: hi there \nnancy: nice weather \nbill: yes',
'ringo: hello \npaul: hi there \nringo: nice weather \npaul: yes',
'michael: hello \nbubbles: hi there \nmichael: nice weather \nbubbles: yes',
'steve: hello \nsally: hi there \nsteve: nice weather \nsally: yes']
除了发言人姓名，我还注意到了每个发言人在对话中的角色（作为领导者还是跟随者，取决于他们是第一还是第二发言人）。然后，我有一个简单的脚本，可以通过将演讲者ID与内容分开来将每个对话转换为数据帧：
import pandas as pd
import re
import numpy as np
import random
def convo_tokenize(tf):
turnTokenize = re.split(r'\n(?=.*:)', tf, flags=re.MULTILINE)
turnTokenize = [turn.split(':', 1) for turn in turnTokenize]
dataframe = pd.DataFrame(turnTokenize, columns = ['speaker','turn'])
return dataframe
df_list = [convo_tokenize(tf) for tf in my_textfiles]
相应的数据框将构成更长的分析基础。但是，我现在希望能够对演讲者进行洗牌，以便我创建完全随机的（并且可能是废话）对话。例如，正在与拳头字符串中的Mary对话的John可能被随机分配为Paul（第三个字符串中的第二个发言人）。至关重要的是，我需要保持每个发言人的讲话顺序。同样重要的是，当随机分配新的发言人时，我保留了领导者/跟随者的混合体，这样我就不会与两个领导者或两个追随者进行对话了。
首先，我的想法是创建一个标准化的演讲者标签（其中1 =领导者，2 =关注者），并将每个DF分为一个子DF并存储在role_specific df列表中
def speaker_role(dataframe):
leader = dataframe['speaker'].iat[0]
dataframe['sp_role'] = np.where(dataframe['speaker'].eq(leader), 1, 2)
return dataframe
df_list = [speaker_role(df) for df in df_list]
leader_df = []
follower_df = []
for df in df_list:
is_leader = df['sp_role'] == 1
is_follower = df['sp_role'] != 1
leader_df.append(df[is_leader])
follower_df.append(df[is_follower])
我已经得出结论，现在我可以简单地对子df之一（在这种情况下为follower_df）
follower_rand = random.sample(follower_df, len(follower_df))
到了这个阶段，我不确定下一步该怎么做。我怀疑我需要某种zip功能，但不确定到底是什么。我也不确定如何将转弯合并在一起，以便它们形成与最初相同的数据帧结构。假设Ringo（领导者）被随机分配给其中一个DF的Bubbles（跟随者），我希望有这样的东西...
speaker | turn | sp_role
------------------------------------
ringo hello 1
bubbles hi there 2
ringo nice weather 1
bubbles yes it is 2