如何在Pandas中生成每行单元格值为上一行+独立随机偏差的DataFrame

你的问题出在当前代码里，random.randint(-max_deviation, max_deviation)只会生成单个整数，所以整行的所有列都会加上同一个偏差值。要让每个单元格有独立的变化，只需要给每一列生成各自的随机偏差即可，下面是两种实用的实现方式：

方法1：纯Python列表推导式 #

适合列数较少的场景，直接为每个列生成独立的随机数：

import pandas as pd, random
max_deviation = 20
nb_periods = 5
colnames = ["col1", "col2"]
df = pd.DataFrame(columns = colnames)
df.loc[0] = 500
for id_period in range(1, nb_periods):
    # 为每个列生成专属的随机偏差
    deviations = [random.randint(-max_deviation, max_deviation) for _ in colnames]
    df.loc[id_period] = df.loc[id_period-1] + deviations
print(df)

运行后会得到类似你期望的结果：

col1  col2
0   500   500
1   485   503
2   479   522
3   479   511
4   496   494

方法2：使用Numpy生成随机数组 #

如果你的DataFrame列数较多，用Numpy生成随机数组会更高效：

import pandas as pd
import numpy as np

max_deviation = 20
nb_periods = 5
colnames = ["col1", "col2"]
df = pd.DataFrame(columns = colnames)
df.loc[0] = 500
for id_period in range(1, nb_periods):
    # 生成与列数匹配的随机整数数组
    deviations = np.random.randint(-max_deviation, max_deviation + 1, size=len(colnames))
    df.loc[id_period] = df.loc[id_period-1] + deviations
print(df)

核心逻辑说明 #

两种方法的本质都是为每一列生成独立的随机偏差值，而不是复用同一个标量。这样每行的每个单元格都会基于上一行对应位置的值，加上独有的随机偏差，完美实现你想要的效果。

内容的提问来源于stack exchange，提问作者François M.