Question

对于给定的dataframe列，我想随机选择大约60％并添加到新列，将剩余的40％添加到另一列，将40％列乘以（-1），然后创建一个新列将它们像这样合并在一起：

dict0 = {'x1': [1,2,3,4,5,6]}
data = pd.DataFrame(dict0)### 

dict1 = {'x1': [1,2,3,4,5,6],'x2': [1,'nan',3,'nan',5,6],'x3': ['nan',2,'nan',4,'nan','nan']}
data = pd.DataFrame(dict1)### 


dict2 = {'x1': [1,2,3,4,5,6],'x2': [1,'nan',3,'nan',5,6],'x3': ['nan',-2,'nan',-4,'nan','nan']}
data = pd.DataFrame(dict2)### 

dict3 = {'x1': [1,2,3,4,5,6],'x2': [1,'nan',3,'nan',5,6],'x3': ['nan',-2,'nan',-   4,'nan','nan'],,'x4': [1,-2,3,-4,5,6]}
data = pd.DataFrame(dict3)###

Answer 1

如果不需要中间列：

mask = np.random.choice([1,-1], p=[0.6,0.4], size=len(data))

data['x4'] = data['x1']*mask

当然中间列也很容易

data['x2'] = data['x1'].where(mask==1)

data['x3'] = data['x1'].mask(mask==1)
# or data['x3'] = data['x1'].where(mask==-1)

Answer 2

尽管first answer提出了一种优雅的解决方案，但它扩展了规定的要求，以选择大约60％个行。问题在于它不能保证60/40的分配。使用概率，选定的样本可能很容易是全部1或全部-1，实际上是选择 all 或 no 行，而不是大约60％。

出现这种情况的可能性随着较大的数据帧而明显减少，但是它永远不会为零，并且在使用提供的示例数据进行尝试时立即可见。

如果这与您相关，请看一下这段代码，它确实保证行比率为60/40。

indices = np.random.choice(len(data), size=int(0.4 * len(data)), replace=False)
data['x4'] = np.where(data.index.isin(indices), -1 * data['x1'], data['x1'])

更新：您的后续问题中的一个answer建议df.sample。确实，它使您可以更优雅地表达以上内容：

indices = data.sample(frac=0.4).index
data['x4'] = np.where(data.index.isin(indices), -data['x1'], data['x1'])

从数据框列中随机选择行

2 个答案: