如何用循环批量生成含随机0和1的二进制DataFrame集合？

原循环代码的问题 #

• 没必要用双层循环：bins和binsx是一一对应的，双层循环会让每个变量被重复赋值4次，完全冗余
• 错误覆盖数据：刚生成的随机数组被pd.DataFrame()直接覆盖成空表，后续操作根本没用到随机数据
• 逻辑完全错了：[eachBin]==[eachBin].max()是在对字符串列表做比较，不是对生成的随机DataFrame操作，根本达不到目标

修正后的可运行代码 #

保持和单个生成一致的逻辑，用zip配对两个列表批量处理：

import numpy as np
import pandas as pd

bins = ['bin1_df', 'bin2_df', 'bin3_df', 'bin4_df']
binsx = ['binx1_df', 'binx2_df', 'binx3_df', 'binx4_df']

for bin_name, binx_name in zip(bins, binsx):
    # 生成随机数组并转为DataFrame，和单个生成逻辑一致
    rand_df = pd.DataFrame(np.random.rand(4,4))
    # 保存原始随机DataFrame到指定变量名
    vars()[bin_name] = rand_df
    # 按列标记最大值位置为1，其余为0
    vars()[binx_name] = (rand_df == rand_df.max()).astype(int)

更可靠的备选方案（避免极端多最大值情况） #

如果担心某列出现多个相同最大值导致多1的情况，可直接随机选每列的1的位置：

import numpy as np
import pandas as pd

bins = ['bin1_df', 'bin2_df', 'bin3_df', 'bin4_df']
binsx = ['binx1_df', 'binx2_df', 'binx3_df', 'binx4_df']

for bin_name, binx_name in zip(bins, binsx):
    # 每列随机选一个行索引作为1的位置
    ones_positions = np.random.choice(4, size=4)
    # 初始化全0矩阵
    result_df = pd.DataFrame(np.zeros((4,4), dtype=int))
    # 给对应位置赋值1
    for col_idx, row_idx in enumerate(ones_positions):
        result_df.iloc[row_idx, col_idx] = 1
    # 保存结果
    vars()[binx_name] = result_df
    # 如需保留原始随机数组，可添加rand_df的生成和保存逻辑

内容的提问来源于stack exchange，提问作者user23317935