Pandas替换Age区间为对应随机数时同区间值相同的代码修正

问题原因 #

你代码的核心问题出在替换字典的构造逻辑：randint() 属于即时执行函数，在你构造{'65+': randint(65,100), ...}这个字典时，四个randint()就已经分别运行一次，生成了四个固定的随机值作为替换目标，后续replace操作只会把所有匹配到的同分组值统一替换为对应固定值，不会每行重新生成随机数。

修正方案 #

方案1：向量化批量生成（推荐，适配大型数据集，性能更高） #

该方案避免了逐行遍历的开销，适合你提到的大型数据集场景：

import numpy as np

# 定义各年龄区间的取值范围
age_range_map = {
    '65+': (65, 100),
    '16-25': (16, 25),
    '26-39': (26, 39),
    '40-64': (40, 64)
}

# 按分组批量生成对应长度的随机数赋值
for age_bin, (low, high) in age_range_map.items():
    match_mask = df['Age'] == age_bin
    df.loc[match_mask, 'Age'] = np.random.randint(low, high + 1, size=match_mask.sum())

方案2：apply逐行处理（写法简洁，适合中小数据集） #

该方案逻辑易读，代码量更小：

import random

def bin_to_random_age(age_bin):
    low, high = {
        '65+': (65, 100),
        '16-25': (16, 25),
        '26-39': (26, 39),
        '40-64': (40, 64)
    }[age_bin]
    return random.randint(low, high)

df['Age'] = df['Age'].apply(bin_to_random_age)

注意：请根据你实际的列名调整代码中的Age字段，保持和数据集列名一致即可。

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