Skip to main content
 首页 » 编程设计

python之随机选择 DF 的特定值

2024年11月24日16zengkefu

我有一个很大的 df,有 17520 行和 1000 列。 df 只有两个值 [0,0.05]。我想转到值为 0.05 的 df 的每个单元格并将其更改为随机值。随机值只能为0或0.05。

我尝试了以下代码行:

 y = np.array([0,0.05]) 
 df.replace(0.05,np.random.choice(y)) 

但是,它对值为 0.05 的所有单元格执行相同的随机选择,而我希望对值为 0.05 的每个单元格执行不同的随机选择。我尝试了一个 for 循环,但它花费了太多时间,大约 20 分钟。我需要重复这个实验大约 100 次。
出于这个原因,我想知道是否有更有效的方法。

非常感谢您的帮助。

请您参考如下方法:

您可以使用 df.update() 而不是循环像这样,获得 >20 倍的加速:

df = pd.DataFrame(np.random.choice([0, 0.05], size=(4000, 1000))) 
 %timeit df.update(np.random.choice([0, 0.05], size=df.shape), filter_func=lambda x: x==0.05) 
#498 ms ± 19.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) 
df = pd.DataFrame(np.random.choice([0, 0.05], size=(4000, 1000))) 
%timeit df.applymap(lambda x: np.random.choice([0, 0.05]) if x == 0.05 else 0) 
#9.66 s ± 634 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) 

我注意到速度只会随着越来越大的数据帧而增加,但在这里 applymap 已经花费了很长时间,所以我决定不再进一步增加数据帧大小。

工作原理

df = pd.DataFrame(np.random.choice([0, 0.05], size=(1000, 1000))) 
print(df.tail(2)) 
df.update(np.random.choice([0, 0.05], size=df.shape), filter_func=lambda x: x==0.05) 
print(df.tail(2)) 
#      0     1     2    3     4     5   ...   994   995   996   997   998  999 
#998  0.00  0.05  0.05  0.0  0.05  0.05 ...   0.0  0.05  0.05  0.05  0.05  0.0 
#999  0.05  0.00  0.05  0.0  0.05  0.05 ...   0.0  0.05  0.05  0.05  0.00  0.0 
# 
#[2 rows x 1000 columns] 
#      0     1     2    3     4     5   ...   994   995   996  997   998  999 
#998  0.00  0.05  0.00  0.0  0.05  0.05 ...   0.0  0.05  0.05  0.0  0.05  0.0 
#999  0.05  0.00  0.05  0.0  0.05  0.00 ...   0.0  0.00  0.05  0.0  0.00  0.0 
# 
#[2 rows x 1000 columns] 

使用 update,您可以更改 DataFrame 中的选定值。要选择值(默认 np.nan),请使用 filter_func= lambda x: x==0.05,然后使用随机选择创建一个与原始 DataFrame 大小相同的 DataFrame来自 [0, 0.05]。然后它从值为 0.05 的原始 DataFrame 中选择值,并将其替换为随机值。