用不同的值（隨機分布）填充DataFrame的一列的每一行

Question

我有一個帶有aprox的DataFrame。 4列200行。 我用空值創建了第五列：

df['minutes'] = np.nan 

然后，我想用隨機逆對數正態值填充此新列的每一行。 生成1個反向對數正態的代碼 ：

注意：如果以下代碼多次運行，由於ppf()中的值，它將生成一個新結果： random.random()

df['minutes'] = df['minutes'].fillna(stats.lognorm(0.5, scale=np.exp(1.8)).ppf(random.random()).astype(int))

我這樣做的結果是，它用相同的數字填充了所有200行df['minutes'] ，而不是像我期望的那樣觸發每一行的random.random() 。

我需要做什么？ 我嘗試使用for loop但顯然我做得不好（給出相同的結果）：

for i in range(1,len(df)):
df['minutes'] = df['minutes'].fillna(stats.lognorm(0.5, scale=np.exp(1.8)).ppf(random.random()).astype(int))

我究竟做錯了什么？

另外，我還要補充一點，如果另一列的值為0或1，則稍后需要更改上面的inverse log normal某些參數，如下所示：

if df['type'] == 0:
     df['minutes'] = df['minutes'].fillna(stats.lognorm(0.5, scale=np.exp(1.8)).ppf(random.random()).astype(int))
elif df['type'] == 1:
     df['minutes'] = df['minutes'].fillna(stats.lognorm(1.2, scale=np.exp(2.7)).ppf(random.random()).astype(int))

提前致謝。

Answer 1

您在此處使用fillna問題在於，此函數將值用作參數並將其應用於指定軸上的每個元素。 因此，您的統計信息值只計算一次，然后分配到每一行。

您需要的是為軸上的每個元素調用的函數，因此參數必須是函數本身而不是值。 那是apply的工作，它接受一個函數並將其沿軸應用於元素。

我直接跳到您的最終要求：

你可以使用apply只是在minutes具有λ功能-column（作為pandas.Series方法），然后分配給相應的結果type -column過濾的列排minutes ：

import numpy as np
import pandas as pd
import scipy.stats as stats
import random

# setup
df = pd.DataFrame(np.random.randint(0, 2, size=(8, 4)),
                  columns=list('ABC') + ['type'])
df['minutes'] = np.nan


df.loc[df.type == 0, 'minutes'] = \
    df['minutes'].apply(lambda _: stats.lognorm(
        0.5, scale=np.exp(1.8)).ppf(random.random()).astype(int),
                    convert_dtype=False))

df.loc[df.type == 1, 'minutes'] = \
    df['minutes'].apply(lambda _: stats.lognorm(
        1.2, scale=np.exp(2.7)).ppf(random.random()).astype(int),
                    convert_dtype=False))

...或者您可以apply用作DataFrame方法，並使用一個包裝邏輯的函數來區分-column type值，並將結果分配回minutes -column：

def calc_minutes(row):
    if row['type'] == 0:
        return stats.lognorm(0.5, scale=np.exp(1.8)).ppf(random.random()).astype(int)
    elif row['type'] == 1:
        return stats.lognorm(1.2, scale=np.exp(2.7)).ppf(random.random()).astype(int)

df['minutes'] = df.apply(calc_minutes, axis=1)

Answer 2

設法以不同的心態執行一些步驟：

• 創建了2個列表，每個列表都有我自己的參數

• 使用NumPy's append以便為每一行使用不同的隨機數

    lognormal_tone = [] lognormal_ttwo = [] for i in range(len(s)): lognormal_tone.append(stats.lognorm(0.5, scale=np.exp(1.8)).ppf(random.random()).astype(int)) lognormal_ttwo.append(stats.lognorm(0.4, scale=np.exp(2.7)).ppf(random.random()).astype(int)) 

然后，將它們與另一個先前創建的列表一起包含在DataFrame中：

df = pd.DataFrame({'arrival':arrival,'minTypeOne':lognormal_tone, 'minTypeTwo':lognormal_two})