创建样本DataFrame时如何实现相同行索引复用同一抽样结果
问题根因
你现有代码的执行逻辑是逐行遍历索引,每遍历一行就调用一次random.sample(nums)生成新的排列,哪怕两行属于需要复用的同一分组,也会独立生成两套抽样结果,完全不符合复用要求。
实现方案
核心逻辑是先按复用规则完成一次抽样,建立分组与抽样结果的映射关系,再批量为所有行匹配对应的抽样值,全程不对同一分组重复执行抽样操作。
操作步骤
- 明确你的复用分组键(示例中为
country列,即同国家的行共享同一抽样结果) - 提取所有唯一的分组值,为每个分组值单独生成一次
nums的无放回抽样排列,存为映射字典 - 通过映射关系批量为原DataFrame赋值,无需逐行抽样
可运行代码
import pandas as pd import random # 基础配置 nums = [0.1,0.3,0.7,0.5] # 构造含分组列的原始DataFrame,与示例结构对齐 df = pd.DataFrame({ "country": ["USA", "USA", "Italy", "UK", "UK", "UK"] }) # 为每个唯一分组生成一次抽样,建立映射关系 sample_mapping = { group: random.sample(nums, k=len(nums)) for group in df["country"].unique() } # 批量匹配赋值,生成a/b/c/d列 df[["a", "b", "c", "d"]] = df["country"].apply(lambda g: sample_mapping[g]).tolist()
效果说明
运行后生成的DataFrame完全匹配预期结构:同属一个分组的行,a/b/c/d列的数值完全一致,不会出现逐行抽样生成不同值的问题。
优化提示
- 如需固定随机结果保证可复现,可在生成映射前提前设置随机种子:
random.seed(自定义整数) - 如果你的复用规则不是按
country分组,只需将代码中所有引用country列的位置,替换为实际的分组字段(如同个用户ID、同个批次ID)即可 - 如果你的复用规则是相同行索引值的行复用结果,只需将生成映射的分组依据替换为
df.index,即遍历df.index.unique()生成映射即可
内容的提问来源于stack exchange,提问作者ari6739
相关产品推荐
相关产品推荐

