Python 为样本大小等于另一列值的组的随机样本指定1个值

我想随机为

IsShade

列（输出）分配1个值，这样值1只能分配D次（参见列着色显示2次或5次或3次），并且必须迭代E次（总共列显示6次或8次或5次）

有100万行数据集，随附的是样本输入和图像

输入：

In[1]: 
    Sr  Series  Parallel  Shading  Total  Cell
0    0       3         2        2      6     1
1    1       3         2        2      6     2
2    2       3         2        2      6     3
3    3       3         2        2      6     4
4    4       3         2        2      6     5
5    5       3         2        2      6     6
6    6       4         2        5      8     1
7    7       4         2        5      8     2
8    8       4         2        5      8     3
9    9       4         2        5      8     4
10  10       4         2        5      8     5
11  11       4         2        5      8     6
12  12       4         2        5      8     7
13  13       4         2        5      8     8
14  14       5         1        3      5     1
15  15       5         1        3      5     2
16  16       5         1        3      5     3
17  17       5         1        3      5     4
18  18       5         1        3      5     5

如果你能帮助我在如何实现或python代码那将是很有帮助的。谢谢你，非常感谢

Example Expected Output:

Out[1]: 
    Sr  Series  Parallel  Shading  Total  Cell  IsShade
0    0       3         2        2      6     1        0
1    1       3         2        2      6     2        0
2    2       3         2        2      6     3        1
3    3       3         2        2      6     4        0
4    4       3         2        2      6     5        0
5    5       3         2        2      6     6        1
6    6       4         2        5      8     1        1
7    7       4         2        5      8     2        0
8    8       4         2        5      8     3        1
9    9       4         2        5      8     4        1
10  10       4         2        5      8     5        0
11  11       4         2        5      8     6        0
12  12       4         2        5      8     7        1
13  13       4         2        5      8     8        1
14  14       5         1        3      5     1        0
15  15       5         1        3      5     2        1
16  16       5         1        3      5     3        0
17  17       5         1        3      5     4        1
18  18       5         1        3      5     5        1

---

您可以创建一个新列，该列执行

.groupby

，并使用

.sample

根据

着色

列中的整数随机选择x行数。从那里，我返回

True

或

False

，并将其转换为整数（

True

变为

1

，

False

变为

0

，带

。astype（int）

）：

---

请不要图片或链接。请看我如何更新您的问题以备将来使用。谢谢您的解答。如果序列列在后面的阶段再次具有相同的值，我将失败，例如，序列值为6行=3，那么在后面的行中，比如说第10001行，我们再次具有值=3，那么它不工作。由于您正在对其进行分组，解决方案可能是什么？@KevalShah请参阅更新，并使用我创建的新组

s

进行测试。@KevalShah如果已解决，请单击我的答案旁边的复选标记，接受为解决方案。非常感谢。感谢您为唯一数字解决此问题。当我尝试在一个更大的数据集中运行时，出现的错误是“ValueError:传递的项数错误0，placement暗示1”

s = df['Series'].ne(df['Series'].shift()).cumsum() #s is a unique identifier group
df['IsShade'] = (df.groupby(s, group_keys=False)
                   .apply(lambda x: x['Shading'].sample(x['Shading'].iloc[0])) > 0)
df['IsShade'] = df['IsShade'].fillna(False).astype(int)
df
Out[1]: 
    Sr  Series  Parallel  Shading  Total  Cell  IsShade
0    0       3         2        2      6     1        0
1    1       3         2        2      6     2        0
2    2       3         2        2      6     3        0
3    3       3         2        2      6     4        0
4    4       3         2        2      6     5        1
5    5       3         2        2      6     6        1
6    6       4         2        5      8     1        1
7    7       4         2        5      8     2        1
8    8       4         2        5      8     3        0
9    9       4         2        5      8     4        0
10  10       4         2        5      8     5        1
11  11       4         2        5      8     6        1
12  12       4         2        5      8     7        1
13  13       4         2        5      8     8        0
14  14       5         1        3      5     1        1
15  15       5         1        3      5     2        0
16  16       5         1        3      5     3        0
17  17       5         1        3      5     4        1
18  18       5         1        3      5     5        1