如何将pandas DataFrame中10%的元素随机替换为NaN？

你可以通过生成随机布尔掩码的方式实现需求，两种常用实现方式如下：

方式1：按概率随机替换（允许小范围比例波动） #

总共有100个元素，每次生成替换标记的概率为10%，代码如下：

import pandas as pd
import numpy as np

Dataset = pd.DataFrame(np.random.randint(0, 100, size=(10, 10)))
# 生成布尔掩码，True占比约10%
mask = np.random.choice([True, False], size=Dataset.shape, p=[0.1, 0.9])
# 对应位置替换为NaN
Dataset[mask] = np.nan

方式2：严格固定10%替换量 #

如果要求恰好10个元素被替换，可以先抽取固定数量的索引再赋值：

import pandas as pd
import numpy as np

Dataset = pd.DataFrame(np.random.randint(0, 100, size=(10, 10)))
total_count = Dataset.size
# 随机抽取10%的位置索引，无重复
selected_idx = np.random.choice(total_count, size=int(total_count * 0.1), replace=False)
# 把一维索引转为二维的行列坐标
rows, cols = np.unravel_index(selected_idx, Dataset.shape)
# 赋值为NaN
Dataset.values[rows, cols] = np.nan

注：由于pandas中整型不支持存储NaN，替换后数据集的类型会自动转为float64，属于正常现象。

内容的提问来源于stack exchange，提问作者ashish_goy