python - pandas 中的按列采样

Question

我有以下数据框：

df = pd.DataFrame(
    dict(
        A=[0, 0, 0.5, 0.6],
        B=[0, 0.7, 0.1, 0],
        C=[1, 0.3, 0.4, 0.4],
    )
)

我想要一个返回数组/列表的采样方法，例如：

['C', 'B', 'C', 'A']

具有以下属性：

• A在数组的每个元素处，该元素为B或的概率分别与列的值和在该行数中C的值成正比。ABC

有没有一种简单的方法可以在 python 中做到这一点？

标签： pythonpandas

Answer 1

您可以尝试生成一个随机数组，然后比较沿行的累积分布，最后使用idxmax：

s = np.random.rand(len(df))
df.cumsum(1).gt(s[:,None]).idxmax(1)

测试方法：

counts = 0

for _ in range(1000):
    s = np.random.rand(len(df))
    sample = df.cumsum(1).gt(s[:,None]).idxmax(1)
    counts = pd.crosstab(sample.index, sample).add(counts, fill_value=0)

输出（接近原始数据框）：

col_0      A      B     C
row_0                    
0        0.0    0.0  1000
1        0.0  688.0   312
2      514.0   96.0   390
3      601.0    0.0   399