如何基于区域条件为Pandas DataFrame生成正态分布样本列

步骤1：提取区域编号 #

先把df_conditions里的REGION_NAME转换成和df_avgs中REGION匹配的数字格式：

# 从"Region X"格式中提取数字并转为整数
df_conditions['REGION'] = df_conditions['REGION_NAME'].str.extract(r'(\d+)').astype(int)

步骤2：关联均值与标准差数据 #

将两个DataFrame按REGION列合并，让df_conditions的每行都能获取对应区域的均值和标准差：

# 以左连接保留df_conditions的所有行
merged_df = df_conditions.merge(df_avgs, on='REGION', how='left')

步骤3：批量生成正态分布样本 #

基于合并后的均值和标准差列，批量生成对应每行的随机样本并添加为新列：

import numpy as np

# 生成与DataFrame长度一致的样本列
merged_df['SAMPLE'] = np.random.normal(
    loc=merged_df['AVERAGE'],
    scale=merged_df['STDEV'],
    size=len(merged_df)
)

# 若只需给原df_conditions新增列，直接赋值即可
df_conditions['SAMPLE'] = merged_df['SAMPLE']

简化版流程（无需保留中间列） #

如果不需要保留AVERAGE和STDEV列，可以用字典映射简化操作：

# 将df_avgs的均值、标准差转成按区域索引的字典
avg_map = df_avgs.set_index('REGION')['AVERAGE'].to_dict()
std_map = df_avgs.set_index('REGION')['STDEV'].to_dict()

# 提取区域编号
df_conditions['REGION'] = df_conditions['REGION_NAME'].str.extract(r'(\d+)').astype(int)

# 生成样本并添加列
df_conditions['SAMPLE'] = np.random.normal(
    loc=df_conditions['REGION'].map(avg_map),
    scale=df_conditions['REGION'].map(std_map),
    size=len(df_conditions)
)

# 可选：删除临时生成的REGION列
df_conditions.drop('REGION', axis=1, inplace=True)

最终效果 #

处理后的df_conditions会新增一列SAMPLE，每行对应其REGION_NAME所属区域的正态分布随机样本，长度与原DataFrame完全一致。

内容的提问来源于stack exchange，提问作者granger