python - insertar - Pandas: crea una nueva columna en df con enteros aleatorios del rango

seleccionar columnas en pandas

Question

Tengo un marco de datos de pandas con 50k filas. Estoy tratando de agregar una nueva columna que es un entero generado aleatoriamente de 1 a 5.

Si quiero 50k números aleatorios, usaría:

df1[''randNumCol''] = random.sample(xrange(50000), len(df1))

pero para esto no estoy seguro de cómo hacerlo.

Nota al margen en R, lo haría:

sample(1:5, 50000, replace = TRUE)

¿Alguna sugerencia?

Answer 1

Para agregar una columna de enteros aleatorios, use randint(low, high, size) . No es necesario desperdiciar el range(low, high) asignación de memoria range(low, high) ; eso podría ser mucha memoria si es alto.

df1[''randNumCol''] = np.random.randint(0,5, size=len(df1))

(Tenga en cuenta también que cuando solo estamos agregando una sola columna, el size es solo un entero. En general, si queremos generar una matriz / dataframe de randint()s , el tamaño puede ser una tupla, como en Pandas: Cómo crear un marco de datos de enteros aleatorios? )

Answer 2

Una solución es usar np.random.randint :

import numpy as np
df1[''randNumCol''] = np.random.randint(1, 6, df1.shape[0])
# or if the numbers are non-consecutive (albeit slower)
df1[''randNumCol''] = np.random.choice([1, 9, 20], df1.shape[0])

Para que los resultados sean reproducibles, puedes establecer la semilla con np.random.seed(42) .