pandas：将给定范围内的随机数分配给相等的列值

Question

我正在处理一个大型数据集，其中一列有很长的整数，如下所示：

       Column_1        Column_2
  1     A              12345123451
  2     B              12345123451
  3     C              12345123451
  4     D              23456789234
  5     E              23456789234
  6     F              34567893456

这里重要的不是 Column_2 中的实际数字，而是当这些数字相同而 Column_1 不同时。我想从一系列较小的数字（例如 (1, 999)）中随机重新分配 Column_2 的值。

       Column_1        Column_2
  1     A              120
  2     B              120
  3     C              120
  4     D              54
  5     E              54
  6     F              567

我的问题是想办法在 lambda 函数中描述 Column_2 中每个相等的值都需要相同的随机数。

Answer 1

您可以使用 np.random.choice 创建一个介于 1 和 999 之间的随机数数组，确保输入 replace=False 这样您就不会得到任何重复，然后将 Column_2 映射到 Column_2 的字典映射您的随机数数组的唯一值：

import numpy as np 

nums = np.random.choice(range(1,999), size = df['Column_2'].nunique(), replace=False)

# If you prefer to use the random package rather than numpy, uncomment the following:
# import random
# nums = random.sample(range(1,999), df['Column_2'].nunique())

df['Column_2'] = df['Column_2'].map(dict(zip(df['Column_2'].unique(), nums)))

>>> df
  Column_1  Column_2
1        A       274
2        B       274
3        C       274
4        D       842
5        E       842
6        F       860

说明：

您的数字数组如下所示：

>>> nums
array([274, 842, 860])

你的映射字典看起来像：

>>> dict(zip(df['Column_2'].unique(), nums))
{12345123451: 274, 23456789234: 842, 34567893456: 860}

所以当你映射时，你是说用274替换12345123451，用842替换23456789234，等等......

Answer 2

从replace=False 上的 sacul 获得提示（更新答案）

使用pandas.factorize 和numpy.random

i, r = pd.factorize(df.Column_2)
choices = np.arange(max(999, r.size))
c = np.random.choice(choices, r.shape, False)

df.assign(Column_2=c[i])

  Column_1  Column_2
1        A       812
2        B       812
3        C       812
4        D       751
5        E       751
6        F       574