如何基于每行均值和标准差生成1000组随机变量及分位列？

原始DataFrame结构 #

需求说明 #

基于上述DataFrame，需循环执行以下两步操作1000次，最终添加2000列：

• 生成以n1、n2…n1000命名的随机值列，每列数据由对应行的Mean为均值、SD为标准差的正态分布生成
• 生成对应命名为q1、q2…q1000的五分位秩列，基于同批次的随机值列做五分位分割，得到0-4的整数秩标签

实现代码 #

import numpy as np
import pandas as pd

# 假设原始数据已存入df变量
for i in range(1, 1001):
    # 生成随机值列
    col_n = f'n{i}'
    df[col_n] = np.random.normal(df['Mean'], df['SD'])
    # 生成对应五分位秩列
    col_q = f'q{i}'
    df[col_q] = pd.qcut(df[col_n], 5, labels=False)

代码说明 #

• 用for循环遍历1到1000的整数，动态生成每批次的列名
• np.random.normal()按每行的均值和标准差生成正态分布随机数，存入对应n{i}列
• pd.qcut()将随机值列分割为5个等频区间，labels=False返回0到4的整数表示数据所在分位，结果存入对应q{i}列

内容的提问来源于stack exchange，提问作者gorilla