如何在Python中快速创建含指定数量0和1的整数变量用于数据科学模型

一、批量生成0/1整数序列 #

1. NumPy（数据科学场景首选） #

数据科学中常用NumPy处理大规模数据，生成效率极高：

import numpy as np

# 生成长度为1000的随机0/1整数数组（均匀分布）
binary_array = np.random.randint(0, 2, size=1000)

# 生成指定比例的0/1（如70%的0、30%的1），长度为2000
binary_array_weighted = np.random.choice([0, 1], size=2000, p=[0.7, 0.3])

2. Python标准库random #

无需额外依赖，适合小规模或快速测试场景：

import random

# 生成1000个随机0/1的列表
binary_list = [random.randint(0, 1) for _ in range(1000)]

# 按比例生成（70%的0、30%的1）
binary_list_weighted = [0 if random.random() < 0.7 else 1 for _ in range(2000)]

二、向现有变量添加指定数量的0/1 #

1. 操作Python列表 #

existing_list = [0, 1, 0]

# 添加5个固定值0
existing_list.extend([0] * 5)
# 添加3个固定值1
existing_list.extend([1] * 3)
# 随机添加4个0/1
existing_list.extend(random.randint(0, 1) for _ in range(4))

2. 操作NumPy数组 #

existing_array = np.array([0, 1, 0])

# 添加5个0
new_array = np.append(existing_array, np.zeros(5, dtype=int))
# 添加3个1
new_array = np.append(new_array, np.ones(3, dtype=int))
# 随机添加4个0/1
new_array = np.append(new_array, np.random.randint(0, 2, size=4))

补充：处理DataFrame中的缺失值（针对你提到的fillna()） #

如果是在Pandas DataFrame中填充0/1到缺失位置：

import pandas as pd

df = pd.DataFrame({'binary_col': [0, np.nan, 1, np.nan]})
# 统一将缺失值填充为0并转为整数
df['binary_col'] = df['binary_col'].fillna(0).astype(int)

# 随机填充0/1到缺失位置
df['binary_col'] = df['binary_col'].apply(lambda x: x if not pd.isna(x) else random.randint(0, 1))

内容的提问来源于stack exchange，提问作者Marto