從 dataframe 列中隨機選擇行

Question

對於給定的 dataframe 列，我想隨機將 select 大約 60% 添加到新列，將剩余的 40% 添加到另一列，將 40% 列乘以 (-1)，然后創建一個合並這些的新列像這樣重新在一起：

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

如果您不需要中間列：

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

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

當然中間列也很簡單：

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

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

Answer 2

雖然第一個答案提出了一個優雅的解決方案，但它將規定的要求擴展到 select大約 60%的行。 問題是它不能保證 60/40 的分布。 使用概率，所選樣本可能很容易全部為1或全部為-1 ，實際上選擇了所有行或沒有行，而不是大約 60% 。

隨着數據幀的增大，這種情況發生的可能性明顯降低，但它永遠不會為零，並且在使用提供的示例數據進行嘗試時立即可見。

如果這與您相關，請查看此代碼，它確實保證了 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：您的后續問題的一個答案提出df.sample 。 事實上，它可以讓你更優雅地表達上述內容：

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