根據概率生成隨機城市

Question

我有兩張表，一張是國家、城市和用戶來自該城市的概率，另一張是用戶和他們的國家：

國家	城市	可能性
美國	紐約	0.3
美國	休斯頓	0.5
美國	洛杉磯	0.2

用戶身份	國家
1	美國
2	美國
3	美國
4	美國
5	美國
6	美國

在第二個表中，我想創建一個新列（城市），它根據概率從上表中隨機選擇一個城市； 所以應該更頻繁地選擇休斯頓。

預期 output（隨機） ：

用戶身份	國家	城市
1	美國	休斯頓
2	美國	休斯頓
3	美國	洛杉磯
4	美國	休斯頓
5	美國	紐約
6	美國	紐約

我為此使用 pandas 。 顯然會有更多的國家和城市，以及不同國家的更多用戶。

Answer 1

您可以使用np.random.choice根據給定的概率分布生成隨機樣本：

In [27]: df = pd.DataFrame({"user_id": [1, 2, 3, 4, 5, 6], "country": ["USA"]*6})

In [28]: df
Out[28]:
   user_id country
0        1     USA
1        2     USA
2        3     USA
3        4     USA
4        5     USA
5        6     USA

In [32]: df["city"] = np.random.choice(["New York", "Houston", "LA"], size=len(df), p=[0.3, 0.5, 0.2])

In [33]: df
Out[33]:
   user_id country      city
0        1     USA   Houston
1        2     USA   Houston
2        3     USA   Houston
3        4     USA        LA
4        5     USA   Houston
5        6     USA  New York

如果用戶位於不同的國家/地區，您將需要在每個國家/地區執行一次。

---

編輯：一致地處理user_id列中的重復項的解決方案：

In [34]: df = pd.DataFrame({"user_id": [1, 2, 3, 4, 4, 1], "country": ["USA"]*6})

In [35]: df
Out[35]:
   user_id country
0        1     USA
1        2     USA
2        3     USA
3        4     USA
4        4     USA
5        1     USA

In [36]: num_users = df["user_id"].nunique()

In [37]: num_users
Out[37]: 4

In [38]: cities = np.random.choice(["New York", "Houston", "LA"], size=num_users, p=[0.3, 0.5, 0.2])

In [39]: cities
Out[39]: array(['Houston', 'New York', 'LA', 'New York'], dtype='<U8')

In [40]: df["user_id"].unique()
Out[40]: array([1, 2, 3, 4], dtype=int64)

In [41]: mapping = {user_id: city for user_id, city in zip(df["user_id"], cities)}

In [43]: df["city"] = df["user_id"].apply(mapping.get)

In [44]: df
Out[44]:
   user_id country      city
0        1     USA   Houston
1        2     USA  New York
2        3     USA        LA
3        4     USA  New York
4        4     USA  New York
5        1     USA   Houston