如何为Pandas DataFrame生成符合指定随机条件的col3列？

我们可以通过按col1分组，为每个组生成符合要求的随机值并打乱顺序来实现需求。具体逻辑如下：

• 每个col1分组包含14条记录，需为其中一半保留col2的原值，另一半使用原值的反转（0变1，1变0）
• 将生成的混合列表随机打乱，确保分配的随机性
• 将处理后的结果赋值给新列col3

完整代码如下：

import pandas as pd
import numpy as np

# 创建原始DataFrame
ds = {'col1' : [1]*14 + [2]*14,
      'col2' : [0]*14 + [1]*14}
data = pd.DataFrame(data=ds)

# 定义生成col3的分组处理函数
def generate_col3(group):
    group_size = len(group)
    original_val = group['col2'].iloc[0]
    # 生成包含一半原值和一半反转值的列表
    col3_values = [original_val]*(group_size//2) + [1 - original_val]*(group_size//2)
    # 随机打乱列表顺序
    np.random.shuffle(col3_values)
    group['col3'] = col3_values
    return group

# 应用函数到每个分组
data = data.groupby('col1').apply(generate_col3)

# 输出结果查看
print(data)

执行后col3列会满足要求：

• 当col1=1时，7条记录为0，7条为1，随机分布
• 当col1=2时，7条记录为1，7条为0，随机分布

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