为何在Pandas的assign方法中使用random模块会返回相同数值？

核心原因 #

• random.randint(1,100)是单次调用生成一个单一整数，当你把它传给assign时，Pandas会将这个单一值广播到整个列的所有行，因此整列数值完全相同。
• 你之前的误解是认为assign会为每一行单独调用一次random.randint，但实际上assign的参数是先计算出结果再赋值给列——也就是说，random.randint(1,100)在assign执行前就已经算出一个固定值，之后这个值被填充到列的每一行。

对比np.random.randint的逻辑 #

np.random.randint(1, 100, size=n)是直接生成一个长度为n的随机整数数组，每个元素都是独立的随机值，因此赋值给列后每一行数值不同。注意：numpy的randint是左闭右开区间，若要包含100，需写成np.random.randint(1, 101, size=n)。

正确的assign用法 #

如果你想用assign生成整列不同的随机值，有两种可行方式：

1. 推荐：用numpy矢量化随机函数（效率更高）

df_test = df_test.assign(randomNumber = np.random.randint(1, 101, size=n))

矢量化操作是Pandas和numpy的最佳实践，远快于逐行处理。

2. 逐行生成（适合自定义逐行逻辑场景）

df_test = df_test.assign(randomNumber = lambda df: [random.randint(1,100) for _ in range(len(df))])

或者用apply逐行调用：

df_test = df_test.assign(randomNumber = lambda df: df.apply(lambda _: random.randint(1,100), axis=1))

注意：这种逐行处理效率较低，数据量大时不建议使用。

内容的提问来源于stack exchange，提问作者freshpork