Python 熊猫：将给定范围内的随机数指定给相等的列值

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

这里重要的不是第2列中的实际数字，而是当这些数字相同而第1列不同时。我想从一系列较小的数字中随机重新分配列2的值，比如（1999）

---

我的问题是如何在lambda函数中描述列2中的每个相等值都需要相同的随机数

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，确保说

replace=False

，这样您就不会得到任何重复，然后将

Column_2

映射到带有随机数数组的

Column_2

唯一值的字典映射：

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])

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

您的映射字典如下所示：

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

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

---

因此，当你映射时，你是说用

274

替换

12345123451

，

23456789234

替换

842

，等等…

从sacul的

replace=False

中得到提示（更新答案）

使用

pandas.factorize

和

numpy.random

---

在我看来，OP只关心

“Column\u 2”

。如果

'Column_1'

是相同的，我怀疑它没有意义。让我问另一个问题：这些随机数不可能是相同的，对吗？如果随机生成随机数，不同的组可能会得到相同的数，这就是

replace=False

的作用。当您将

np.random.choice

与该参数一起使用时，它将确保没有重复项。与

random.sample

（默认情况下）Awesome:}没有看到

replace=False

+1因为OP似乎实际上并不关心

Column_2

的值，我想他们最终可以选择实际使用

df['Column_2']=pd.factorize（df.Column_2）[0]

，并将其作为

[0,0,0,1,1,2]

。。。不是随机的，但如果目标只是为每一个都有不同的类别，那就行了。无论如何，我喜欢你的方法！这是真的。我们来看看OP是否真的想要随机的

”\_(ツ)_/“