Python中为DataFrame随机生成100条M/F性别数据的方法

直接用numpy的随机抽样能力搭配pandas就能搞定，不需要写复杂逻辑，不手动固定随机种子的话每次运行结果都是随机的，也不会强制男女50:50的比例。

完整代码 #

import pandas as pd
import numpy as np

# 生成100条M/F随机性别数据，直接构建为DataFrame
df = pd.DataFrame({
    "gender": np.random.choice(["M", "F"], size=100)
})

# 打印前10条样本查看效果
print(df.head(10))
# 可选：打印本次抽样的性别分布，能直观看到每次比例都不固定
print("\n本次抽样性别统计：")
print(df["gender"].value_counts())

补充说明 #

• 核心逻辑是np.random.choice的有放回随机抽样，默认每次抽中M、F的概率各为50%，但因为是纯随机过程，最终100条样本的比例不会被强制锁死在1:1，经常会出现47:53、52:48这类随机分布结果。
• 代码里没有设置固定随机种子，每次运行时Python会自动拉取当前系统状态作为随机数生成的输入，所以每次跑出来的抽样结果都不一样。
• 如果后续需要调整男女的抽样权重，比如想让男性样本的整体出现概率更高，只要给np.random.choice传个概率参数就行，示例：

  # 每次抽中M的概率60%，抽中F的概率40%
  np.random.choice(["M", "F"], size=100, p=[0.6, 0.4])
  

要是你跑代码发现每次结果都一样，检查下是不是其他代码块里提前设置了全局numpy随机种子，把那行代码删掉就能恢复随机效果。

内容的提问来源于stack exchange，提问作者Cossie