如何在numpy数组中重复行以高效生成模拟数据集？

你可以直接用Numpy的np.repeat()函数批量重复指定行，彻底替代手动复制粘贴的低效方式，完全适配大规模数据集生成需求。

针对你场景的简化代码 #

先定义基础的行数据，再指定每行的重复次数即可：

import numpy as np

# 定义两类基础投票偏好行
base_rows = np.array([
    ['Democrat', 'Republican', 'Third'],
    ['Democrat', 'Third', 'Republican']
])

# 指定每行重复次数：第一行重复5次，第二行重复4次
repeat_counts = [5, 4]

# 生成最终数组
voters = np.repeat(base_rows, repeat_counts, axis=0)

扩展到数千行规模 #

如果需要生成数千行数据，只需调整repeat_counts的数值就行，比如要生成6000行第一类、4000行第二类：

repeat_counts = [6000, 4000]
voters = np.repeat(base_rows, repeat_counts, axis=0)

随机化重复（可选） #

要是需要随机生成重复次数或随机抽取行，可以结合np.random模块实现：

# 随机生成每行的重复次数（范围1000到2000）
random_counts = np.random.randint(1000, 2001, size=base_rows.shape[0])
voters = np.repeat(base_rows, random_counts, axis=0)

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