如何用np.random.randint为Pandas DataFrame特定记录生成不同随机值？

你的问题核心是：当用np.random.randint(25,34)直接赋值时，它只会生成单个随机整数，导致所有匹配行都被设置为同一个值。要实现每行对应不同的随机值，需要生成与匹配行数相等的随机数组，再进行赋值。

方法一：向量化赋值（推荐，效率更高） #

先创建匹配条件的掩码，再生成对应长度的随机数组：

import numpy as np
import pandas as pd

# 生成匹配掩码
mask = df['Age'] == '25-34 years old'
# 生成与匹配行数相同的随机整数数组，赋值给对应行
df.loc[mask, 'Age'] = np.random.randint(25, 34, size=mask.sum())

• mask.sum()会计算出匹配到的记录数（也就是2365），np.random.randint的size参数控制生成随机数的数量，这样每个匹配行都会得到一个独立的随机值。

方法二：使用apply逐行处理（逻辑直观） #

通过apply对每行的Age值进行判断，符合条件则生成随机数：

df['Age'] = df['Age'].apply(lambda x: np.random.randint(25, 34) if x == '25-34 years old' else x)

这种方法逐行处理数据，适合小数据集；如果数据量很大（比如你的2365条甚至更多），方法一的向量化操作效率会更高。

纠正你之前的错误尝试 #

• 第一个for循环逻辑完全错误：遍历DataFrame的列（x.columns），然后取第1行的列值进行判断，这和你要修改所有行的Age值的需求不匹配，而且循环遍历修改DataFrame效率极低，不推荐使用。
• 第二种方法的问题在于没有指定size参数，导致只生成单个随机值，所有匹配行共享这个值。

内容的提问来源于stack exchange，提问作者Prakash Zodge