我正在嘗試有條件地在預期范圍內添加隨機值。數據 =LOT NO QTY(Kgs) % PICK 11C 12C 13C 14C 15C 16CH19 312 6.22 H20 936 18.67 H21 989 19.72 H22 559 11.15 H23 639 12.74 H24 736 14.68 H25 843 16.81其中 11c 到 16C 是具有空值（nans）或零的列。我想用一組條件添加或替換隨機值（int & float）列中值的平均總和11C應在 9-12.5 之間。列中值的平均總和12C應在 43-47 之間。3. 4. 其他條件如下11C | 12C | 13C | 14C | 15C | 16C--------------------------------------------------------------9-12.5 | 45+/-2 | 205-230 | 5.0-6.0 | <1000 | <1500---------------------------------------------------------------我的預期輸出：LOT NO QTY (Kgs) % PICK 11C 12C 13C 14C 15C 16CH19 312 6.22 10.50 45.30 247 5.46 53 430H20 936 18.67 10.38 48.48 265 5.64 67 280H21 989 19.72 10.62 44.38 264 5.66 73 325H22 559 11.15 10.97 43.52 226 5.54 62 365H23 639 12.74 10.89 46.53 205 5.71 84 345H24 736 14.68 11.09 43.76 165 5.62 93 230H25 843 16.81 11.01 39.96 137 5.68 95 160我怎樣才能做到這一點？
2 回答
呼喚遠方
TA貢獻1856條經驗 獲得超11個贊
更新
好吧，假設df2是您的初始DataFrame.Here 是一個使用dictionaryfor 條件的示例：
import pandas as pd
import numpy as np
df = pd.DataFrame()
df2 = pd.DataFrame([[1, 2, 3, 4, 5, 6], [1, 2, 3, 4, 5, 6]],
columns=['11C', '12C', '13C', '14C', '15C', '16C'])
def n(_min, _max=None, rows=7, getint=None):
if getint == 'AVG':
return [round(x, 2) for x in _min + (_max - _min) * np.random.rand(rows)]
_min = int(_min / rows)
return np.random.choice(_min, rows)
conditions = {'11C': n(9, 12.5, getint='AVG'), '12C': n(43, 47, getint='AVG'), '13C': n(205, 230, getint='AVG'),
'14C': n(5, 6, getint='AVG'), '15C': n(1000, None), '16C': n(1500, None)}
for key, val in conditions.items():
df[key] = val
print(df)
df2.update(df)
df2.update(df)將更新其中的所有鍵，df但df2確保它們具有相同的行數，同時update()將更新現有的行數。
結果
11C 12C 13C 14C 15C 16C
0 11.37 43.43 223.43 5.66 126 181
1 11.67 45.08 217.87 5.80 91 16
2 9.39 43.95 218.13 5.24 69 71
3 12.23 44.74 215.62 5.87 11 129
4 12.42 45.86 209.75 5.05 5 132
5 9.49 45.28 227.34 5.83 2 4
6 9.35 45.08 218.40 5.34 129 48
慕田峪7331174
TA貢獻1828條經驗 獲得超13個贊
你可以像下面那樣使用 np.random 函數
df = pd.DataFrame()
n_rows = 10
df["11C"] = 9+ (12.5-9)*np.random.rand(n_rows)
df["12C"] = 43+ (47-43)*np.random.rand(n_rows)
df["13C"] = 205+ (330-205)*np.random.rand(n_rows)
df["14C"] = 5+ (5-6)*np.random.rand(n_rows)
df["15C"] = np.random.choice(1000, n_rows)
df["15C"] = np.random.choice(1500, n_rows)
df
添加回答
舉報
0/150
提交
取消