如何修改pandas df中指定数量的数值为设定区间内的随机大幅值？

你可以通过随机选取指定数量的位置、生成对应范围的随机值替换的方式实现需求，完整可运行代码如下：

import numpy as np
import pandas as pd

# ========== 可配置参数 ==========
modify_count = 2  # 要修改的数值数量，可按需改为3/4
value_range = (-300, 100)  # 修改后数值的上下界，可自行调整
# 若需要固定修改指定位置的数值，可开启下方两行配置（覆盖随机选择逻辑）
# modify_indices = [2, 8]  # 对应你示例中要修改的第3、第9个元素的0基索引
# replace_values = [95.03, -213.96]  # 对应要替换的固定值

# 生成原始数据
data = np.random.randn(1, 10)
print("原始数据：")
print(data)

# 校验修改数量合法性
total_elements = data.size
if modify_count > total_elements:
    raise ValueError(f"修改数量不能超过数组总元素数：{total_elements}")

# 随机选择不重复的修改位置（如果已经手动指定modify_indices可注释掉这行）
modify_indices = np.random.choice(total_elements, size=modify_count, replace=False)
# 随机生成替换值（如果已经手动指定replace_values可注释掉这行）
replace_values = np.random.uniform(low=value_range[0], high=value_range[1], size=modify_count)

# 替换对应位置的数值
data.flat[modify_indices] = replace_values

print("\n修改后数据：")
print(data)

# 转为pandas DataFrame（如果需要）
df = pd.DataFrame(data)
print("\n转换后的pandas DataFrame：")
print(df)

说明 #

• 用np.random.choice加replace=False保证选中的修改位置不会重复，符合需求
• data.flat可以直接访问多维数组的扁平索引，修改时不需要额外做维度转换，会直接修改原数组的值
• 你如果要和示例完全一致的固定修改效果，直接取消注释代码中手动指定modify_indices和replace_values的两行即可
• 所有参数都可以按需调整，直接修改顶部配置项的数值即可

内容的提问来源于stack exchange，提问作者Opps_0