我想將 1 個值隨機分配給 IsShade 列（輸出），這樣值 1 只能分配 D 次（參見 Shading 列，例如 2 次、5 次或 3 次），并且必須迭代 E 次（Total 列）例如 6 次或 8 次或 15 次）有 100 萬行數據集，并附有示例輸入和圖像。因此，解釋一下我的輸入數據集：這是使用機器學習進行太陽能電池板預測的數據集。系列 X 并聯 X 遮陽意味著將有 3 個串聯的太陽能電池板，2 個并聯的太陽能電池板，并且 6 個（3 X 2）太陽能電池板中，其中 2 個被遮擋（意味著太陽能電池板被某種物質覆蓋）的陰影）因此，這里的“單元”列只是表示每個組有多少個太陽能電池板，例如 3 X 2，然后另一個也是 3 X 2，但它適用于不同的位置并具有不同的陰影值。因此，IsShade 列的輸出應在 1 到 (3 X 2) 的范圍內，即 6 行，任何隨機 X 行（著色列值）應標記為 1，并為每個組保留 0 值。對于另外 5-11 行，應該也會發生同樣的情況，但隨機位置行不同。我希望你能明白它的要點。抱歉沒有解釋清楚。輸入：在[1]中：Series Parallel Shading Total Cell 3 2 2 6 1 3 2 2 6 2 3 2 2 6 3 3 2 2 6 4 3 2 2 6 5 3 2 2 6 6 3 2 2 6 1 3 2 2 6 2 3 2 2 6 3 3 2 2 6 4 3 2 2 6 5 3 2 2 6 6 如果你能幫助我如何實現或Python代碼，那將會很有幫助。謝謝并感激。預期輸出示例：輸出[1]：Series Parallel Shading Total Cell IsShade 3 2 2 6 1 0 3 2 2 6 2 03 2 2 6 3 13 2 2 6 4 03 2 2 6 5 03 2 2 6 6 13 2 2 6 1 0 3 2 2 6 2 03 2 2 6 3 03 2 2 6 4 13 2 2 6 5 13 2 2 6 6 0
1 回答
富國滬深
TA貢獻1790條經驗 獲得超9個贊
您可以在列中使用計數器，如果小于或等于列中的值，Cell則添加值，然后與列的連續值指定的每個組一起使用：1Shadingnumpy.whereSeries.sampleGroupBy.transformSeries
g = df['Cell'].eq(1).cumsum()
df['IsShade'] = np.where(df['Cell'].le(df['Shading']), 1, 0)
df['IsShade'] = df.groupby(g)['IsShade'].transform(lambda x: x.sample(frac=1))
print (df)
? ? Series? Parallel? Shading? Total? Cell? IsShade
0? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?1? ? ? ? 0
1? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?2? ? ? ? 1
2? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?3? ? ? ? 0
3? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?4? ? ? ? 1
4? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?5? ? ? ? 0
5? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?6? ? ? ? 0
6? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?1? ? ? ? 0
7? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?2? ? ? ? 0
8? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?3? ? ? ? 1
9? ? ? ? 3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?4? ? ? ? 0
10? ? ? ?3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?5? ? ? ? 0
11? ? ? ?3? ? ? ? ?2? ? ? ? 2? ? ? 6? ? ?6? ? ? ? 1
自定義函數的另一個想法：
def f(x):
? ? size = x.iat[0]
? ? total = len(x)?
? ? a = np.concatenate([np.ones(size, dtype=int), np.zeros(total - size, dtype=int)])
? ? np.random.shuffle(a)
? ? return a
g = df['Cell'].eq(1).cumsum()
df['IsShade'] = df.groupby(g)['Shading'].transform(f)
添加回答
舉報
0/150
提交
取消