如何通过数据集中python中的加权概率获得均匀分布？

Question

我已经看过this question，我知道numpy.random.choice，但我的问题略有不同。

鉴于此，我有一个如下数据集：

dict ={"Number of polyps":[10,8,3,1,2,6,13],
        "Right ":[3,2,3,1,0,3,3],
        "Left":[2,2,4,15,6,7,1] }

dt = pd.DataFrame(dict)

原来如此：

Number of polyps  Right   Left
            10       3     2
             8       2     2
             3       3     4
             1       1    15
             2       0     6
             6       3     7
            13       3     1

我需要按照以下要求重新填写Right 和Left 列

1. Right 和Left 之和等于Number of polyps
2. Right 和Left 的值来自它们当前值的加权概率

例如，对于给定的行如下：

Number of polyps  Right   Left
            10       3     2

所以，对于这一行，它可能如下所示。这里0.6= 3/(3+2)和0.4= 2/(3+2)：

nr = np.random.choice(["Right","Left"],size=10, replace=True,p=[0.6,0.4])
rightCount = list.count('Right')
leftCount = list.count('Left')
print(rightCount)
print(leftCount)

更新此行后将是：

Number of polyps  Right   Left
            10       3     7

问题是，我必须对数据集中的所有行都这样做，但我不知道该怎么做！

Answer 1

您实际上是从binomial distribution 中提取的。它在 NumPy 中实现为 numpy.random.binomial:

>>> dt["Right"] = np.random.binomial(dt["Number of polyps"], dt["Right"]/(dt["Right"]+dt["Left"]))
>>> dt["Left"] = dt["Number of polyps"] - dt["Right"]

在这里，对于每一行，我们执行dt["Number of polyps"]二元选择试验，每个试验选择Right，概率为dt["Right"]/(dt["Right"]+dt["Left"])，否则Left。