如何为5点Likert量表数据集的每个单元格分配独立正态随机值

你的代码问题在于：每次调用random.normalvariate()仅生成单个随机数，mask方法会将所有匹配条件的单元格统一替换为这个固定值，因此同一Likert得分的单元格会得到完全相同的结果。

以下是三种可行的解决方案，能为每个符合条件的单元格生成独立的随机值：

方法1：用applymap遍历每个单元格 #

applymap会对DataFrame的每一个单元格单独执行转换逻辑，确保每个匹配的单元格都触发一次随机数生成：

import random
import pandas as pd

Mu = {1:0.021, 2:0.146, 3:0.375, 4:0.625, 5:0.979}
std = {1:0.021, 2:0.104, 3:0.125, 4:0.125, 5:0.021}

# 定义单个单元格的转换函数
def likert_to_normal(val):
    return random.normalvariate(Mu[val], std[val])

# 对整个数据集应用转换
raw_data_rnd = raw_data.applymap(likert_to_normal)

方法2：用replace结合Lambda函数（简洁版） #

通过构建替换规则，为每个Likert值绑定一个动态生成随机数的Lambda函数，注意要通过默认参数避免闭包延迟绑定问题：

import random
import pandas as pd

Mu = {1:0.021, 2:0.146, 3:0.375, 4:0.625, 5:0.979}
std = {1:0.021, 2:0.104, 3:0.125, 4:0.125, 5:0.021}

# 构建替换规则，每个值对应独立的随机数生成逻辑
replace_rules = {
    k: lambda _, mu=Mu[k], s=std[k]: random.normalvariate(mu, s)
    for k in Mu.keys()
}

# 执行替换
raw_data_rnd = raw_data.replace(replace_rules)

方法3：用Numpy向量化操作（高效版） #

针对大规模数据集，Numpy的向量化随机生成效率远高于循环/遍历，适合处理百万级以上的数据：

import numpy as np
import pandas as pd

Mu = {1:0.021, 2:0.146, 3:0.375, 4:0.625, 5:0.979}
std = {1:0.021, 2:0.104, 3:0.125, 4:0.125, 5:0.021}

raw_data_rnd = raw_data.copy()
for val in Mu.keys():
    # 获取所有等于当前Likert值的单元格掩码
    mask = raw_data_rnd == val
    # 统计需要生成的随机数数量
    count = mask.sum().sum()
    if count > 0:
        # 一次性生成对应数量的正态分布随机数
        random_vals = np.random.normal(Mu[val], std[val], size=count)
        # 将随机数赋值到对应位置
        raw_data_rnd.loc[mask] = random_vals.reshape(mask.sum(axis=0))

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