如何修改Python随机生成代码，实现1-100区间动态随机整数输出？

你的问题出在np.random.choice的参数a初始化逻辑上：random.randint(0, 100)只会在创建数组a时执行一次，生成一个固定整数，后续np.random.choice每次选中第二个选项时，只会重复使用这个固定值，所以30%的字段都是同一个数。

下面提供两种可行的修改方案：

方案一：用标记数组+批量替换（高效适合大数据量） #

先通过概率生成标记数组，再把需要替换的位置批量生成随机整数：

import numpy as np
import pandas as pd

# 生成70%为0、30%为1的标记数组
marks = np.random.choice(a=[0, 1], size=100, p=[0.7, 0.3])
# 批量生成1-100的随机整数，再用where替换标记为1的位置
values = np.where(marks == 1, np.random.randint(1, 101, size=100), 0)
# 转为DataFrame
df_categories = pd.DataFrame(values, columns=['number'])

这里np.random.randint(1, 101, size=100)直接生成100个独立的随机整数，通过np.where精准替换到需要的位置，保证30%的数值都是不同的随机数。

方案二：逐元素生成（逻辑直观适合小数据量） #

用列表推导式逐个判断概率并生成数值，每次生成随机数都会重新计算：

import pandas as pd
import random

# 列表推导式生成每个元素
values = [0 if random.random() < 0.7 else random.randint(1, 100) for _ in range(100)]
# 转为DataFrame
df_categories = pd.DataFrame(values, columns=['number'])

这种方式逻辑简单易懂，每个元素的生成都是独立判断，不会出现固定值问题。

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