使用pandas将性别列Other值替换为各半比例male和Female的实现方法

假设你的数据集存储在名为 df 的 DataFrame 中，性别字段列名为 gender，可按以下步骤操作：

实现逻辑 #

• 筛选出所有性别为 Other 的记录的行掩码
• 按照 50% 概率生成对应数量的 male 和 Female 取值序列
• 将生成的序列赋值给原数据集中对应行的性别列

基础实现代码 #

import pandas as pd
import numpy as np

# 1. 筛选所有取值为Other的记录
other_mask = df['gender'] == 'Other'
other_count = other_mask.sum()

# 2. 生成随机替换值，male、Female各占50%概率
replace_vals = np.random.choice(['male', 'Female'], size=other_count, p=[0.5, 0.5])

# 3. 把替换值赋值回原数据集对应位置
df.loc[other_mask, 'gender'] = replace_vals

可选优化方案 #

• 若需要固定随机结果方便复现，可在生成替换值前添加固定随机种子的代码：np.random.seed(123)，其中123可替换为任意整数
• 若需要严格接近50%的拆分比例（避免小样本下随机波动过大），可替换生成替换值的代码段：

  # 偶数个Other时刚好各占一半，奇数时差1个
  male_cnt = other_count // 2
  female_cnt = other_count - male_cnt
  replace_vals = np.array(['male'] * male_cnt + ['Female'] * female_cnt)
  # 打乱顺序避免按行顺序固定分配
  np.random.shuffle(replace_vals)
  

内容的提问来源于stack exchange，提问作者isayoyo