在 Python 中创建数据框答案

【问题标题】：Creating a dataframe in Python在 Python 中创建数据框
【发布时间】：2017-09-26 07:31:06
【问题描述】：

不确定如何正确表达这一点，但这里是：

在 Python 中创建包含 1 和 0 且长度由某些输入确定的单列数据框的最简单方法是什么？

例如，假设我有 1000 个样本，其中有 100 个成功（个）。零的数量将是样本大小（即 1000）减去成功。所以输出将是一个长度为 1000 的 df，其中 100 行包含 1，900 行包含 0。

【问题讨论】：

是有序的还是随机的？
对此没有要求——可以两者兼而有之。

标签： python

【解决方案1】：

根据您的描述，一个简单的list 就可以解决问题。否则，您可以使用numpy.array 或pandas.DataFrame/pandas.Series（更像表格）。

import numpy as np
import pandas as pd

input_length = 1000

# List approach:
my_list = [0 for i in range(input_length)]
# Numpy array:
my_array = np.zeros(input length)
# With Pandas:
my_table = pd.Series(0, index=range(input_length))

所有这些都会创建一个零向量，然后您可以随意分配成功（1）。如果这些要遵循某些已知分布，numpy 还具有生成遵循它们的随机向量的方法 (see here)。

如果你真的在寻找 pandas 的方法，它也可以与之前的方法结合使用。也就是说，您可以将list 或numpy.array 分配给Series/DataFrame 的值。例如，假设您要抽取 p=0.5 的二项分布的 1000 个随机样本：

p=0.5
my_data = pd.Series(np.random.binomial(1, p, input_length))

【讨论】：

【解决方案2】：

除了 N.P. 的回答。你可以这样做：

import pandas as pd
import numpy as np

def generate_df(df_len):

    values = np.random.binomial(n=1, p=0.1, size=df_len)
    return pd.DataFrame({'value': values})

df = generate_df(1000)

编辑：

更完善的功能：

def generate_df(df_len, option, p_success=0.1):
    '''
    Generate a pandas DataFrame with one single field filled with
    1s and 0s in p_success proportion and length df_len.
    Input:
        - df_len: int, length of the 1st dimension of the DataFrame
        - option: string,  determines how will the sample be generated
            * random: according to a bernoully distribution with p=p_success
            * fixed: failures first, and fixed proportion of successes p_success
            * fixed_shuffled: fixed proportion of successes p_success, random order
        - p_success: proportion of successes among total
    Output:
        - df: pandas Dataframe
    '''

    if option == 'random':
        values = np.random.binomial(n=1, p=p_success, size=df_len)

    elif option in ('fixed_shuffled', 'fixed'):

        n_success = int(df_len*p_success)
        n_fail = df_len - n_success

        values = [0]*n_fail + [1]*n_success

        if option == 'fixed_shuffled':
            np.random.shuffle(values)

    else:
        raise Exception('Unknown option: {}'.format(option))

    df = pd.DataFrame({'value': values})

    return df

【讨论】：