如何基于多列表创建/操作行和为100的pandas DataFrame？

方法1：生成所有符合条件的组合 #

如果需要枚举所有满足要求的行（每行4个0-100的整数，和为100），可以通过三重循环遍历前3列的可能取值，计算第4列是否合法：

import pandas as pd

valid_rows = []
# 遍历第一列的所有可能值
for col1 in range(0, 101):
    # 第二列的最大值为100 - col1，避免后续和超过100
    for col2 in range(0, 101 - col1):
        # 第三列的最大值为100 - col1 - col2
        for col3 in range(0, 101 - col1 - col2):
            col4 = 100 - col1 - col2 - col3
            # 这里循环条件已确保第四列在0-100范围内，判断可省略
            valid_rows.append([col1, col2, col3, col4])

# 转换为DataFrame
df = pd.DataFrame(valid_rows, columns=['ColA', 'ColB', 'ColC', 'ColD'])

注：这种方式会生成176851行所有可能的组合，适合需要完整数据集的场景。

方法2：随机生成指定数量的符合条件的行 #

如果只需要随机样本，不需要全部组合，推荐两种高效方式：

方式A：基于多项式分布直接生成

利用numpy的multinomial函数，直接生成和为100的整数数组，无需校验：

import pandas as pd
import numpy as np

# 指定要生成的行数
row_count = 100
# 生成每行4个整数，和为100，概率权重均匀（可自定义权重）
random_rows = np.random.multinomial(100, [0.25]*4, size=row_count)
df = pd.DataFrame(random_rows, columns=['ColA', 'ColB', 'ColC', 'ColD'])

# 可选：验证所有行的和是否为100
assert (df.sum(axis=1) == 100).all()

方式B：循环校验生成（适合自定义逻辑）

如果需要更灵活的生成逻辑，可以通过循环生成并校验：

import pandas as pd
import numpy as np

def create_valid_row():
    while True:
        col1 = np.random.randint(0, 101)
        col2 = np.random.randint(0, 101 - col1)
        col3 = np.random.randint(0, 101 - col1 - col2)
        col4 = 100 - col1 - col2 - col3
        if 0 <= col4 <= 100:
            return [col1, col2, col3, col4]

# 生成50条有效行
row_count = 50
valid_rows = [create_valid_row() for _ in range(row_count)]
df = pd.DataFrame(valid_rows, columns=['ColA', 'ColB', 'ColC', 'ColD'])

已有数据的行和校验与筛选 #

如果是从已有DataFrame中筛选符合条件的行，直接用布尔索引即可：

# 筛选行和为100的行
valid_df = df[df.sum(axis=1) == 100]

内容的提问来源于stack exchange，提问作者Holothurin