在 Pandas 中创建分布答案

【问题标题】：Create distribution in Pandas在 Pandas 中创建分布
【发布时间】：2020-09-24 17:26:10
【问题描述】：

我想生成具有特定分布的随机/模拟数据集。

例如，分布具有以下属性。

人口1000人
性别组合为：男性 49%，女性 50%，其他 1%
年龄分布如下：0-30（30%）、31-60（40%）、61-100（30%）

生成的数据框将有 1000 行，两列称为性别和年龄（具有上述值分布）

有没有办法在 Pandas 或其他库中执行此操作？

【问题讨论】：

numpy.random.choice
您想要这些 % 混合吗？或者你想创建一个具有这些概率的样本？对于年龄，61+ 是什么意思（上限是多少？100？120？）。年龄是否在年龄范围内均匀分布？或者年龄只是一个类别的指标，而不是一个实际的数字？
我编辑了年龄的上限

标签： python pandas dataframe distribution

【解决方案1】：

你可以试试：

N = 1000
gender = np.random.choice(["male","female", "other"], size=N, p = [.49,.5,.01])

age = np.r_[np.random.choice(range(30),size= int(.3*N)),
       np.random.choice(range(31,60),size= int(.4*N)),
       np.random.choice(range(61,100),size= N - int(.3*N) - int(.4*N) )]
np.random.shuffle(age)

df = pd.DataFrame({"gender":gender,"age":age})

【讨论】：

使用randint(31,61,size=...) 可能会更快。
我从 OP 中了解到，年龄将显示为括号，并且可以以与性别相同的方式生成。
@PaulH 61+ 表示具有长尾的分布
完全可以，但我要说的是数组应该从三个类别中选择，而不是连续分布。这个问题模棱两可。我只是分享我的解释
@PaulH 完全同意你的看法