按組按比例在pandas列中分配隨機值

Question

像這樣的df數據框：

ID   Category   Result
1     A          ...
2     B          ...
3     B          ...
4     C          ...

無論類別是A，在其中，給定每種結果類型的比例分別為30,40,30的情況下，以隨機順序分配三個結果（Pass，Fail，Hold）值。 對於具有不同比例的其他類別也是如此。 有什么快速的方法嗎？

目前我正在使用

np.split(df[cond],int([.3*len(df[cond])]),int([.7*len(df[cond])]))

將數據分成比例，然后

df1[Result] = 'Pass'
df2[Result] = 'Fail'...
pd.concat([df1,df2,...all conditioned columns frames])

獲得全套。

Answer 1

這是個主意。 您可以將GroupBy與np.random.choice使用。

這不能保證您的比例保持不變。 例如，如果特定類別只有一行，那么如果您的權重全都不為零，則不能保證保留比例。 即使可以保留它們，邏輯仍然使用“隨機”數字來選擇每個值。 使用這種方法，您可以說的是，隨着行數趨於無窮大，比率將趨向於所提供的權重。

values = ['Pass', 'Fail', 'Hold']
weights = {'A': [0.3, 0.4, 0.3], 'B': [0.6, 0.2, 0.2]}

df = pd.DataFrame({'Category': list('A'*10 + 'B'*5)})

np.random.seed(0)

def apply_randoms(x):
    key = x['Category'].iat[0]
    return pd.Series(np.random.choice(values, size=len(x), p=weights[key]))

df = df.groupby('Category').apply(apply_randoms)\
       .rename('Result').reset_index().drop('level_1', 1)

print(df)

   Category Result
0         A   Hold
1         A   Fail
2         A   Fail
3         A   Hold
4         A   Pass
5         A   Pass
6         A   Pass
7         A   Hold
8         A   Hold
9         A   Hold
10        B   Hold
11        B   Fail
12        B   Pass
13        B   Fail
14        B   Pass