如何随机下调数据集列数值，使调整后新值总和等于给定目标值

• 先做合法性校验：目标总和需满足两个前提才能实现需求：
  1. 大于等于最小允许总和：如果允许新值为0则≥0，要求新值至少为1则≥观测行数
  2. 小于等于sum(原始值) - 观测行数：因为每个新值必须小于原值，最多只能保留原值减1，所以所有值加起来最大只能到这个数
• 给每个观测的新值赋初始值为原值 - 1，确保所有初始值都满足小于原值的要求
• 计算当前初始值总和与目标总和的差值，循环随机选择观测进行扣减，每次扣减1，直到差值清零。扣减时需保证观测值不会低于你设定的最小值（比如0或1）。

import pandas as pd
import random

def adjust_value(df, target_sum, min_val=0):
    # 复制原数据避免修改原表
    df = df.copy()
    n = len(df)
    original_sum = df['Value'].sum()
    max_possible_sum = original_sum - n
    
    # 合法性校验
    if target_sum < min_val * n:
        raise ValueError(f"目标总和太小，最小允许总和为{min_val * n}")
    if target_sum > max_possible_sum:
        raise ValueError(f"目标总和太大，最大允许总和为{max_possible_sum}")
    
    # 初始赋值为原值-1
    df['new_Value'] = df['Value'] - 1
    current_sum = df['new_Value'].sum()
    delta = current_sum - target_sum
    
    # 随机扣减直到delta为0
    while delta > 0:
        # 随机选一个索引
        idx = random.randint(0, n-1)
        # 只有当前值大于最小值才允许扣减
        if df.loc[idx, 'new_Value'] > min_val:
            df.loc[idx, 'new_Value'] -= 1
            delta -= 1
    return df

# 测试示例
if __name__ == "__main__":
    # 构造示例数据
    data = {'ID': [1,2,3], 'Value': [4,10,16]}
    df = pd.DataFrame(data)
    # 目标总和为10，要求每个新值至少为1
    result = adjust_value(df, target_sum=10, min_val=1)
    print(result)
    print("新值总和：", result['new_Value'].sum())

• 如果你需要新值不能小于1，就把min_val参数设为1，和示例要求一致；允许0的话设为0即可
• 每次运行结果的下调幅度都是随机的，符合需求要求
• 代码逻辑简单易懂，适合新手修改调试

内容的提问来源于stack exchange，提问作者mel099