我想從一系列列表中的每個列表中隨機選擇一個元素。import pandas as pdimport numpy as npl=[['a','b','c'],['d','e','f'],['g','h','i'],['j','k','l'],['m','n','o']]s = pd.Series(l)也是s：0 [a, b, c]1 [d, e, f]2 [g, h, i]3 [j, k, l]4 [m, n, o]dtype: object我知道我可以做到以下幾點：s = pd.Series([np.random.choice(i) for i in s])哪個有效：0 a1 e2 h3 j4 mdtype: object但我想知道是否有非循環方法可以做到這一點？例如，（假設每個list大小相等）您可以創建一個隨機索引數組來嘗試從每個索引中選擇不同的元素list：i = np.random.randint(3, size=len(l))#array([2, 2, 0, 1, 0])但是做 says[i]是行不通的，因為那是索引s而不是應用于每個list：2 [g, h, i]2 [g, h, i]0 [a, b, c]1 [d, e, f]0 [a, b, c]dtype: object我的動機是擁有可以處理大量列表的東西，從而避免循環。但是如果我的列表理解看起來是最合理的，或者沒有內置pandas/numpy函數，請告訴我。
2 回答
慕工程0101907
TA貢獻1887條經驗 獲得超5個贊
我只能這樣想，但是，性能可能是問題
np.array(s.tolist())[np.arange(len(s)), np.random.randint(3, size=len(s))]
array(['c', 'e', 'i', 'k', 'n'], dtype='<U1')
一些時機
%timeit s.explode().sample(frac=1, random_state=1)
5.05 ms ± 294 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit pd.Series([np.random.choice(i) for i in s])
23.1 ms ± 184 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit np.array(s.tolist())[np.arange(len(s)), np.random.randint(3, size=len(s))]
1.63 ms ± 50.3 μs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
Cats萌萌
TA貢獻1805條經驗 獲得超9個贊
您可以嘗試explode，隨機播放分解的系列，然后采樣。這甚至不需要列表具有相同的長度。
(s.explode()
.sample(frac=1, random_state=1) # random_state added for repeatability, drop if needed
.groupby(level=0).head(1)
)
輸出：
1 d
2 h
0 c
3 k
4 n
dtype: object
添加回答
舉報
0/150
提交
取消