从 dataframe 列中随机选择行

Question

对于给定的 dataframe 列，我想随机将 select 大约 60% 添加到新列，将剩余的 40% 添加到另一列，将 40% 列乘以 (-1)，然后创建一个合并这些的新列像这样重新在一起：

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

如果您不需要中间列：

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

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

当然中间列也很简单：

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

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

Answer 2

虽然第一个答案提出了一个优雅的解决方案，但它将规定的要求扩展到 select大约 60%的行。 问题是它不能保证 60/40 的分布。 使用概率，所选样本可能很容易全部为1或全部为-1 ，实际上选择了所有行或没有行，而不是大约 60% 。

随着数据帧的增大，这种情况发生的可能性明显降低，但它永远不会为零，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，请查看此代码，它确实保证了 60/40 的行比。

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：您的后续问题的一个答案提出df.sample 。 事实上，它可以让你更优雅地表达上述内容：

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