Question

我想在我的数据框df中生成一个新列，该列只能采用两个值，即0或1。我的数据框当前也有1000列，并且还有其他列。我想以这样一种方式生成0和1：该列中60％的值是0，其余40％是1。

我做了以下事情：

generated_data = []
    for index, row in df.iterrows():

      if index <= len(df) * 0.6 :
        generated_data.append(0)


      else : 
        generated_data.append(1)

问题是：如何随机实现。在我的代码中，行的前60％为0，其余为1。我想在创建中实现随机性。

谢谢

Answer 1

如果需要，将numpy.random.choice与p参数一起使用，则每个值都有60％的机会成为0，有40％的机会成为1。

对于60％0和40％1使用numpy.random.shuffle.，并在此之前生成所有可能的值：

import numpy as np
np.random.seed(123)

df = pd.DataFrame({'a':range(1000)})
#print (df)

arr = np.ones(len(df))
arr[:int(len(df) * 0.6)] = 0
np.random.shuffle(arr)

df['new1'] = arr
df['new2'] = np.random.choice([0, 1], size=len(df), p=(0.6, 0.4))

print (df['new1'].value_counts())
0.0    600
1.0    400
Name: new1, dtype: int64

print (df['new2'].value_counts())
0    601
1    399
Name: new2, dtype: int64

Answer 2

如果您恰好需要0的60％和1的40％，则可以首先使用np.ones和np.zeros创建列，然后shuffle创建该列：

import numpy as np

generated_data = np.concatenate([np.zeros(600), np.ones(400)])
np.random.shuffle(generated_data)
print(generated_data)

生成具有60％0和40％1的伪数据

2 个答案: