如何从 dataframe 列创建随机值列表？

Question

目标：从 df1 中的现有列在 df2 中创建一个新的随机值列。 df1 来自我正在阅读的“原始”excel 文件，df2 是我在 python 中制作的新 dataframe。 我最终想要 df2 列的一个数据单元格中的 df1 列中的三个随机值。 下面的例子。

鉴于此源 excel 文件（NBA.xlsx）：

df1：

Final_Game_Day	冠军	MVP	String_Example	Average_Viewership_(百万)
2020 年 10 月 11 日	湖人队	勒布朗·詹姆斯	勒布朗第四次夺冠； 湖人队追平第17名	7.45
2019 年 6 月 13 日	猛龙队	科怀·伦纳德	多伦多队赢得第一个冠军否认勇士队三连冠	15.14
2018 年 6 月 8 日	勇士	凯文杜兰特	勇士队连续横扫骑士队夺冠	17.56
2017 年 6 月 12 日	勇士	凯文杜兰特	杜兰特离开雷霆后先夺冠	20.38
2016 年 6 月 19 日	骑士队	勒布朗·詹姆斯	骑士队赢得他们的第一个冠军	20.28
2015 年 6 月 16 日	勇士	安德烈·伊戈达拉	伊戈达拉第6人夺得MVP	19.94

我正在寻找类似于Sample Values 列的内容，其中有三个随机（或 df1 中相应列中三个最常见的数据值）。

df2: | 列名 | 样本值 | | -------- | ------------- | | Final_Game_Day | 2020 年 10 月 11 日； 2019 年 6 月 13 日； 2018 年 6 月 8 日 | | 冠军 | 勇士； 湖人队； 猛龙队 | | 最有价值球员 | 勒布朗·詹姆斯; 凯文杜兰特； 科怀·伦纳德 | | String_Example |勒布朗第四次夺冠； 湖人队以追平第17名的成绩获胜； 猛龙队以三连胜的优势赢得了第一个冠军； 勇士横扫骑士连续夺冠 | 天天要闻 | Average_Viewership_(百万) | 7.45; 15.14； 17.56 |

示例代码开始（我认为只有底部两部分是我需要添加代码以获得我想要的东西的地方）：

### Setting up
import pandas as pd
import os
import glob

###Setting working directory
path = os.getcws()
files = os.listdir(path)

### Prep to get all files
from os import listdir
from os.path import isfile, join

### Reading only excel files in folder
FileList_xlsx = [f for f in files if f[-4:] == "xlsx"]

# Initializing empty data frame
df = pd.DataFrame()

# Initializing Sample Values List for Sample Values
SampleValues = []

# Loop over list of Excel files

for f in FileList_xlsx:
    ReadXlsx = pd.read_excel(f)
    ColumnNames = list(ReadXlsx.columns.values)

    # Sets up first column list in df2
    for a in ColumnNames:
        Agg_ColumnNames.append(a)

    for a in ColumnNames:
    ### Missing code here ###

# Create final dataframe - Need Sample Values at end
final = {'Column_Name': Agg_ColumnNames, } 

Answer 1

要从列中获取n最常见的值，您可以使用value_counts返回的索引：

n = 3
>>> df1["MVP"].value_counts().index[:n].to_list()
['Kevin Durant', 'LeBron James', 'Andre Iguodala']

因此，要获取您的df2 ，您可以从字典理解中的每一列中获取三个最常见的值并执行string.join 。 它看起来像这样：

df2 = pd.Series({column: "; ".join(str(s) for s in df1[column].value_counts().index[:3]) for column in df1.columns}).reset_index()
df2.columns = ["Column_Name", "Sample_Values"]
>>> df2
                     Column_Name                                      Sample_Values
0                 Final_Game_Day                    10/11/2020; 6/8/2018; 6/12/2017
1                       Champion                       Warriors; Cavaliers; Raptors
2                            MVP         Kevin Durant; LeBron James; Andre Iguodala
3                 String_Example  Toronto wins 1st championship denying Warriors...
4  Average_Viewership_(millions)                                 17.56; 20.38; 7.45