Question

我有一个包含每月总计的财务数据集。我知道每种方法的真实世界平均值。

我正在尝试使用Python构建一些虚拟交易数据。我不希望虚拟交易数据是完全随机的。我想围绕我拥有的现实世界平均水平进行建模。

例如-如果从真实数据中得出，每月总利润为1000美元，总交易次数为5，则每笔交易的平均利润为200美元。我想创建虚拟交易，以现实世界中200美元的平均水平为模型。这就是我的方法：

import pandas as pd
from random import gauss

bucket = []

for _ in range(5):
    value = [int(gauss(200,50))]
    bucket += value

transactions = pd.DataFrame({ 'Amount' : bucket})

现在，对我来说，挑战在于我也必须随机分配标识符。

例如，据我所知，共有三个买家。我们称它们为A，B和C。这三个完成了这5笔交易，我想在创建虚拟交易数据时随机分配它们。但是，我也知道，与B和C相比，A很有可能进行更多的交易。为了使我的虚拟数据接近现实生活中的场景，我想在我的虚拟交易数据中为这些购买者的出现率分配概率。 / p>

假设我想要这样：

A：外观为60％ B：外观20％ C：出现率20％

我该如何实现？

Answer 1

您要问的不是概率。您希望A有100％的机会有60％的购买机会。对于同一输入，将一个dict作为输入，每个用户都有购买的可能性。然后创建一个基于这些概率的列表，并从列表中随机选择一个买家。如下所示：

import random

#Buy percentages of the users
buy_percentage = {'A': 0.6, 'B': 0.2, 'C': 0.2}

#no of purchases
base = 100

buy_list = list()
for buyer, percentage in buy_percentage.items():
    buy_user = [buyer for _ in range(0, int(percentage*base))]
    buy_list.extend(buy_user)

for _ in range(0,base):
    #Randomly gets a buyer but makes sure that your ratio is maintained
    buyer = random.choice(buy_list)

    #your code to get buying price goes below

更新：

或者，可以使用以下链接中给出的答案。我认为这种解决方案更好。
A weighted version of random.choice

有没有一种方法可以将概率分配给随机数生成器中的样本？

1 个答案: