如何在Python中为列中的每组值生成随机数？

我想向现有df添加3个不同的列，并基于现有列生成一个随机数（从0到1）

下面是一个小例子：

data = {
        'Row': [1,1,2,2,2,2]
}
df = pd.DataFrame(data, columns = ['Row'])
df


    Row
0   1
1   1
2   2
3   2
4   2
5   2

这是我想要得到的输出（当然，数字应该是随机的，请注意，“行”有数千个值）：

编辑：

---

请注意，我希望为每个组获取不同的数字（组=1的组或2的组。等等）

在单独的数据帧中获取行的所有唯一值，它将为

行

列保存行的唯一值

随机导入
>>randomDF=df.删除重复项（忽略索引=True）
>>随机数
一行
0    1
1    2

现在您有了唯一的行，创建所需列的列表，并使用numpy生成所需形状的随机数组，然后为所需列将其分配回

randomDF

>将numpy作为np导入
>>probCols=['Prob A'、'Prob B B'、'Prob C']
>>randomDF[probCols]=np.random.random（（randomDF.shape[0]，len（probCols）））
>>随机数
行Prob A Prob B Prob C
0    1  0.152064  0.391139  0.242061
1    2  0.963488  0.020088  0.710162

现在您有了所需的数据帧，只需将其合并回原始数据帧：

df=df.merge（randomDF，on=['Row']）

输出：

行Prob A Prob B Prob C
0    1  0.152064  0.391139  0.242061
1    1  0.152064  0.391139  0.242061
2    2  0.963488  0.020088  0.710162
3    2  0.963488  0.020088  0.710162
4    2  0.963488  0.020088  0.710162
5    2  0.963488  0.020088  0.710162

如果在十进制之后只需要两个数字，您甚至可以考虑在NoMPY <代码>圆< /COD>函数中包装随机数生成函数：

np.round（np.random.random（（randomDF.shape[0]，len（probCols））），2）

在本例中，输出如下所示：

行Prob A Prob B Prob C
0    1    0.70    0.87    0.89
1    1    0.70    0.87    0.89
2    2    0.37    0.69    0.66
3    2    0.37    0.69    0.66
4    2    0.37    0.69    0.66
5    2    0.37    0.69    0.66

您可以使用numpy创建随机数，然后添加它们

import pandas as pd
import numpy as np

data = {
        'Row': [1,1,2,2,2,2]
}

df = pd.DataFrame(data, columns = ['Row'])

for n in ['A','B', 'C']:
    df['Prob_'+n] =np.random.uniform(0,1,df.shape[0])

结果:

   Row    Prob_A    Prob_B    Prob_C
0    1  0.310217  0.403894  0.165847
1    1  0.070634  0.676152  0.049274
2    2  0.692328  0.374179  0.948320
3    2  0.871153  0.501692  0.492484
4    2  0.874693  0.494560  0.464135
5    2  0.015399  0.244446  0.774907

---

你的prob列都有相同的值？@user_na，ya，现在我已经更新了答案，因为问题也被更新了。

   Row    Prob_A    Prob_B    Prob_C
0    1  0.310217  0.403894  0.165847
1    1  0.070634  0.676152  0.049274
2    2  0.692328  0.374179  0.948320
3    2  0.871153  0.501692  0.492484
4    2  0.874693  0.494560  0.464135
5    2  0.015399  0.244446  0.774907