python可在掩码/where-recalc中为每个条目调用
我正在将pandas mask/where函数与python可在掩码/where-recalc中为每个条目调用,python,pandas,mask,callable,Python,Pandas,Mask,Callable,我正在将pandas mask/where函数与random()一起用作可调用函数-是否可以获取此函数以计算每个条目的不同值,这样我就不会在每个掩码单元格中获得相同的随机数,或者只能使用apply e、 g 这将生成相同的随机数(在本例中为0.134364),并且在本例中,我想要六个不同的随机数 您可以通过生成2d numpy数组,这里*表示将元组解包为整数: np.random.seed(1) arr = np.random.rand(*df_factor_history.shape)
random()
一起用作可调用函数-是否可以获取此函数以计算每个条目的不同值,这样我就不会在每个掩码单元格中获得相同的随机数,或者只能使用apply
e、 g
这将生成相同的随机数(在本例中为0.134364
),并且在本例中,我想要六个不同的随机数
您可以通过生成
2d numpy
数组,这里*
表示将元组解包为整数:
np.random.seed(1)
arr = np.random.rand(*df_factor_history.shape)
print (arr)
[[4.17022005e-01 7.20324493e-01 1.14374817e-04]
[3.02332573e-01 1.46755891e-01 9.23385948e-02]
[1.86260211e-01 3.45560727e-01 3.96767474e-01]
[5.38816734e-01 4.19194514e-01 6.85219500e-01]
[2.04452250e-01 8.78117436e-01 2.73875932e-02]
[6.70467510e-01 4.17304802e-01 5.58689828e-01]]
df = df_factor_history.where(df_valid.T.unstack(), arr)
print (df)
observation_1 observation_2 observation_3
as_at_date factor_name
2020-10-01 A 0.417022 0.720324 0.000114
B 1.000000 5.000000 3.000000
2020-11-01 A 1.000000 5.000000 3.000000
B 0.538817 0.419195 0.685220
2020-12-01 A 1.000000 5.000000 3.000000
B 1.000000 5.000000 3.000000
好的,制作一个全尺寸的随机数组,使用where-sweet确定的我需要的部分,非常感谢@jezrael提供的快速而优雅的解决方案
df_valid = pd.DataFrame([
['2020-09-01', True, True],
['2020-10-01', False, True],
['2020-11-01', True, False],
['2020-12-01', True, True],
['2021-01-01', True, True]],
columns = ['as_at_date', 'A', 'B'])
df_valid.set_index(['as_at_date'], inplace=True)
df_valid
from random import seed
from random import random
# seed random number generator
seed(1)
df_factor_history.where(df_valid.T.unstack(), random())
np.random.seed(1)
arr = np.random.rand(*df_factor_history.shape)
print (arr)
[[4.17022005e-01 7.20324493e-01 1.14374817e-04]
[3.02332573e-01 1.46755891e-01 9.23385948e-02]
[1.86260211e-01 3.45560727e-01 3.96767474e-01]
[5.38816734e-01 4.19194514e-01 6.85219500e-01]
[2.04452250e-01 8.78117436e-01 2.73875932e-02]
[6.70467510e-01 4.17304802e-01 5.58689828e-01]]
df = df_factor_history.where(df_valid.T.unstack(), arr)
print (df)
observation_1 observation_2 observation_3
as_at_date factor_name
2020-10-01 A 0.417022 0.720324 0.000114
B 1.000000 5.000000 3.000000
2020-11-01 A 1.000000 5.000000 3.000000
B 0.538817 0.419195 0.685220
2020-12-01 A 1.000000 5.000000 3.000000
B 1.000000 5.000000 3.000000