如何按DATE分组随机选取var1中3个变量求和并执行多轮模拟？

需求说明 #

按DATE列分组，每组从var1中随机选取3个不重复值求和，重复执行指定次数（示例为10次）的模拟。

示例数据构造 #

先还原示例中的数据集：

import pandas as pd

data = {
    'DATE': ['2023-01-31']*5 + ['2023-02-28']*5,
    'var1': [1,2,3,4,5,6,7,8,9,10]
}
df = pd.DataFrame(data)

模拟实现代码 #

使用pandas的分组和抽样功能，结合循环完成多轮模拟：

def run_single_simulation(df):
    # 分组后随机抽3个值求和
    return df.groupby('DATE')['var1'].apply(lambda group: group.sample(n=3, replace=False).sum()).reset_index()

# 执行10轮模拟
total_simulations = 10
all_results = []
for sim_num in range(total_simulations):
    sim_result = run_single_simulation(df)
    sim_result['模拟轮次'] = f'Simulation {sim_num + 1}'
    all_results.append(sim_result)

# 合并所有结果
final_output = pd.concat(all_results, ignore_index=True)

查看结果 #

可以通过以下代码查看指定轮次的结果，比如前两轮：

print(final_output[final_output['模拟轮次'].isin(['Simulation 1', 'Simulation 2'])])

输出示例（结果随机，每次运行不同）：

DATE  var1         模拟轮次
0  2023-01-31     9  Simulation 1
1  2023-02-28    23  Simulation 1
2  2023-01-31     8  Simulation 2
3  2023-02-28    26  Simulation 2

补充说明 #

• 如果需要放回抽样（允许同一值被多次选中），将sample方法中的replace=False改为replace=True即可。
• 若要将结果保存为文件，可使用final_output.to_csv('模拟结果.csv', index=False)。

内容的提问来源于stack exchange，提问作者stvlam22