Python np.where（）只计算一次np.random.choice（）

我有这个数据框：

np.random.seed(0)
N = 10000
N_Seg = 100
df = pd.DataFrame({"Rut_Num": range(1,N+1),
              "Segmento": np.random.choice(
                      ["Afluente", "Afluente","Premium", "Preferente", "Preferente", "Preferente", "Preferente", "Clásico", "Clásico", "Clásico", "Clásico", "Clásico", "Clásico"], N),
              "If_Seguro": np.random.choice([0,1,1], N)})
df.head()

   Rut_Num    Segmento  If_Seguro
0        1     Clásico          1
1        2  Preferente          0
2        3    Afluente          0
3        4  Preferente          0
4        5     Clásico          1

当列

If_Seguro

为1时，我需要一个介于1和

N_Seg+1

之间的随机数，如果为0，我需要一个0:

np.random.seed()
df.loc[:,"id_Seguro"] = np.where(df["If_Seguro"] == 1, np.random.choice(range(1,N_Seg+1),1),0)
df["id_Seguro"].value_counts()

您可以看到，

np.where（）

true条件将为所有1提供相同的数字，而我需要从

If\u Seguro

If中为每个1提供一个随机数

---

此外，为什么

np.where（）

只对整列计算

np.random.choice（）

一次，而不对列中的每个验证（每行）进行计算？

表达式

np.where（df[“If_Seguro”]==1，np.random.choice（范围（1，N_Seg+1），1），0）

显示了我认为经常遇到的问题，但通常不希望在其中使用

。该解决方案还将回答您的问题，即为什么只生成一个值

np.其中
计算量不大。它只是根据一对现有数组中的掩码选择值。正常的python语义在这里不会改变。您传递的是函数调用的结果，而不是函数本身，因此使用的是值。这意味着您需要为
df
的所有行计算
np.random.choice（…）
，而不仅仅是那些
df[“If_Seguro”]==1的行

df[“If_Seguro”]
是一个面具，numpy为你提供了一些面具烦恼的工具。例如，要生成的实际元素数为

np.count_nonzero(df["If_Seguro"])

要插入这些值的行位置由掩码本身提供。numpy和pandas都允许您直接使用布尔掩码进行索引<代码>np。在许多情况下，
只是效率低下的额外一层

最后，要从现有序列生成N个样本，请执行以下操作之一：

np.random.choice(range(1, N_Seg + 1), size=N, replace=True)

replace=True
允许重复样本，就像您最初对
np.where
的调用一样。做同样事情的更好方法不涉及显式序列对象：

np.random.randint(1, N_Seg + 1, N)

在建议的解决方案中，其中将是屏蔽元素的数量，而在原始代码中，它应该是
N

因此，最后我们有：

mask = df["If_Seguro"]
df.loc[mask, "id_Seguro"] = np.random.randint(1, 1 + N_Seg, np.count_nonzero(mask))

如果
id\u Seguro
一开始还没有归零，您可以做以下几件事之一。在前面的基础上增加：

df.loc[~mask, "id_Seguro"] = 0

或者从头开始生成新阵列：

mask = df["If_Seguro"]
result = np.zeros(N)
result[mask] = np.random.randint(1, 1 + N_Seg, np.count_nonzero(mask))
df["id_Seguro"] = result

感谢您提及
numpy.where（）
的非常普遍（ab）的用法！