Python 如何将不同范围的数据随机插入到不同的行中

我想创建一个系列，这样它就随机包含不同范围的值。 假设我有一个包含12行的序列。我想随机选取4行，并随机填充4到10之间的值。然后，我必须再次选择另外4行，并随机填充-4到-10之间的值。类似地，我必须选择所有行的其余部分，并随机填充15到100之间的值。如何在熊猫身上实现这一点

输入：

Col1
0  NaN
1  NaN
2  NaN
3  NaN
4  NaN
5  NaN
6  NaN
7  NaN
8  NaN
9  NaN
10 NaN
11 NaN 

输出：

Col1
0  20
1  34
2  -2
3  -7
4  5
5  69
6  -5
7  7
8  97
9  6
10 9
11 -9

到目前为止，我尝试了随机屏蔽索引和填充值

df.loc[mask1,'col1']=np.random.randint(4,10, df.shape[0])
df.loc[mask2,'col1']=np.random.randint(-4,-10, df.shape[0])
df.loc[mask3,'col1']=np.random.randint(15,100, df.shape[0])

---

还有其他更好的方法吗？

您可以将所有值连接在一起，然后使用：

或：

---

编辑：

---

我认为最简单的方法是制作索引列表并将其洗牌

import random

indexes = list(range(len(data)))  # create list of indexes
random.shuffle(indexes)  # shuffle it

for i in range(len(data)):
    if i < 4:  # first 4 rows
        data[indexes[i]] = random.randint(4, 10)
    elif i < 8:  # another 4 rows
        data[indexes[i]] = random.randint(-4, -10)
    else:  # rest
        data[indexes[i]] = random.randint(15, 100)

随机导入
索引=列表（范围（长度（数据））#创建索引列表
随机。洗牌（索引）#洗牌
对于范围内的i（len（数据））：
如果i<4:#前4行
数据[索引[i]]=random.randint（4,10）
elif i<8:#另外4行
数据[索引[i]]=random.randint（-4，-10）
其他：#休息
数据[索引[i]]=random.randint（15100）

编辑：

随机导入
索引=列表（范围（长度（数据））#创建索引列表
随机。洗牌（索引）#洗牌
对于范围内的i（len（数据））：
如果i<（len（data）//3）：#前1/3行
数据[索引[i]]=random.randint（4,10）
elif i<（len（data）//3）*2:#另外1/3行
数据[索引[i]]=random.randint（-10，-4）
其他：#休息
数据[索引[i]]=random.randint（15100）

---

我已经测试过了。它所做的是用第一个范围填充随机1/3的元素，用第二个范围填充左1/2的数字，其余用第三个范围填充。索引是随机的，因为它们是从“索引”列表中选择的，并且是无序的。时间复杂度是O（n）（线性），其中n是数据长度。

我想填充所有范围的值。我的意思是它应该包含所有范围的值。不同范围的分布应该是常数。例如，如果我有60行20行range1中的值，20行range2中的值和range3中的剩余值。这可能吗？@jezrael-工作正常：-）它不是随机选取索引。在性能方面，它也会影响我

a = np.concatenate([np.arange(4,10), np.arange(-4,-10, -1), np.arange(15, 100)])
print (a)
[ 4  5  6  7  8  9 -4 -5 -6 -7 -8 -9 15 16 17 18 19 20 21 22 23 24 25 26 27
 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77
 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99]

df['col1'] = np.random.choice(a, size=df.shape[0])
print (df)
    col1
0      5
1     65
2     41
3     31
4     86
5      5
6     99
7     42
8     37
9     38
10    -7
11     7

size = int(df.shape[0]/3)
remain = df.shape[0] - 2 * size

a = np.random.randint(4,10, size=size)
b = np.random.randint(-10,-4, size=size)
c = np.random.randint(15,100, size=remain)

d = np.r_[a,b,c]
np.random.shuffle(d)
df['col1'] = d

print (df)
    col1
0      8
1     -7
2     66
3     60
4      8
5     -9
6     24
7     -9
8      7
9      8
10    86
11    -5
12     5
13    -8
14    40

import random

indexes = list(range(len(data)))  # create list of indexes
random.shuffle(indexes)  # shuffle it

for i in range(len(data)):
    if i < 4:  # first 4 rows
        data[indexes[i]] = random.randint(4, 10)
    elif i < 8:  # another 4 rows
        data[indexes[i]] = random.randint(-4, -10)
    else:  # rest
        data[indexes[i]] = random.randint(15, 100)

import random

indexes = list(range(len(data)))  # create list of indexes
random.shuffle(indexes)  # shuffle it

for i in range(len(data)):
    if i < (len(data)//3):  # first 1/3 rows
        data[indexes[i]] = random.randint(4, 10)
    elif i < (len(data)//3)*2:  # another 1/3 rows
        data[indexes[i]] = random.randint(-10, -4)
    else:  # rest
        data[indexes[i]] = random.randint(15, 100)