如何使用Pandas创建一个随机整数的DataFrame？

9 浏览
0 Comments

如何使用Pandas创建一个随机整数的DataFrame？

我知道如果我使用randn，下面的代码可以给我想要的结果，但是它会从一个正态分布中取出元素。但是如果我只想要随机整数呢？\n

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))

\nrandint通过提供一个范围来工作，但不像randn那样提供一个数组。那么如何在某个范围内生成随机整数呢？

0

3 答案

0 Comments

如何使用Pandas创建随机整数的DataFrame？

在使用Pandas创建随机整数的DataFrame时，我们可以使用np.random.Generator.choice方法。以下是使用此方法创建随机整数DataFrame的示例代码：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.default_rng().choice(100, size=(100, 4)), columns=['A','B','C','D'])

与使用`integers`方法相比，使用`choice`方法的优势在于可以从任何列表或数组中进行选择。例如，如果你想要从`[2, 5, 10]`中生成随机样本，可以使用以下代码：

df = pd.DataFrame(np.random.default_rng().choice([2,5,10], size=(100, 4)), columns=['A','B','C','D'])

你甚至可以为样本条目关联一个概率分布。例如，如果你想要选择2的概率为0.8，选择5的概率为0.2，可以通过传递`p=`参数来实现：

df = pd.DataFrame(np.random.default_rng().choice([2,5], p=[.8,.2], size=(100, 4)), columns=['A','B','C','D'])

此外，使用`Generator`对象的`choice`方法与使用`integers`方法一样快，并且比使用`randint`方法更快。以下是对比它们性能的示例代码：

%timeit pd.DataFrame(np.random.default_rng().choice(100, size=(100_000,4)), columns=[*'ABCD'])
# 3.34 ms ± 308 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit pd.DataFrame(np.random.default_rng().integers(0, 100, size=(100_000,4)), columns=[*'ABCD'])
# 3.81 ms ± 708 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit pd.DataFrame(np.random.randint(100, size=(100_000,4)), columns=[*'ABCD'])
# 6.78 ms ± 776 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

通过以上方法，你可以轻松地使用Pandas创建一个包含随机整数的DataFrame。

0
0 Comments

这是一个关于如何使用Pandas创建一个包含随机整数的DataFrame的问题。问题的原因是在最近的NumPy版本中，推荐使用numpy.random.Generator.integers来生成随机整数。为了解决这个问题，我们可以按照以下步骤：

1. 首先，我们需要导入NumPy和Pandas库。

import numpy as np
import pandas as pd

2. 接下来，我们需要创建一个随机数生成器对象。这可以通过np.random.default_rng()来实现。

rng = np.random.default_rng()

3. 然后，我们可以使用rng.integers()函数来生成指定范围内的随机整数。这个函数的参数包括最小值、最大值和生成的随机整数的数量。

df = pd.DataFrame(rng.integers(0, 100, size=(100, 4)), columns=list('ABCD'))

4. 最后，我们可以通过打印DataFrame来查看生成的随机整数。

print(df)

这样，我们就可以使用Pandas创建一个包含随机整数的DataFrame了。

0
0 Comments

如何使用Pandas创建包含随机整数的DataFrame？

在上述内容中，我们可以看到以下代码：

df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

其中，`np.random.randint(0,100,size=(100, 4))`创建了一个大小为`(100,4)`的数组，数组中的元素是在`[0,100)`范围内的随机整数。

要创建一个包含随机整数的DataFrame，我们可以按照以下步骤进行操作：

1. 导入`numpy`和`pandas`库：

import numpy as np
import pandas as pd

2. 使用`np.random.randint`函数创建一个随机整数的数组，并将其转换为DataFrame：

df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

其中，`np.random.randint(0,100,size=(100, 4))`创建了一个大小为`(100,4)`的数组，数组中的元素是在`[0,100)`范围内的随机整数。

这样，我们就成功创建了一个包含随机整数的DataFrame。

以下是一个完整的示例代码：

import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

运行以上代码后，我们可以得到如下的DataFrame：

     A   B   C   D
0   45  88  44  92
1   62  34   2  86
2   85  65  11  31
3   74  43  42  56
4   90  38  34  93
5    0  94  45  10
6   58  23  23  60
..  ..  ..  ..

通过以上步骤，我们可以轻松地创建一个包含随机整数的DataFrame。

0