根据不同 df 列中的条件从列中选择值的数量答案

【问题标题】：Select number of values from column based on condition in a different df column根据不同 df 列中的条件从列中选择值的数量
【发布时间】：2022-01-22 04:27:30
【问题描述】：

我正在创建一个虚拟数据集，用于测试大学的云存储和仪表板系统。我目前正在尝试为给定学期的每个学生 ID 分配课程。这将是现实生活中的课程注册步骤。大多数学生上满载，4节课，有些学生上3,2或1节课，概率递减。

我有两个 pandas DataFrame，“courses”和“students_master”。

“课程”有 1100 行，如下所示：

  subject_id course_id SECTION_SUBJECT        SECTION_SUBJECT_DESC  \
0        HCH   HCH-101            HPCH  Community Health Promotion   
1        HCH   HCH-102            HPCH  Community Health Promotion   
2        HCH   HCH-103            HPCH  Community Health Promotion   
3        HCH   HCH-104            HPCH  Community Health Promotion   
4        HCH   HCH-105            HPCH  Community Health Promotion

'students_master' 有 27054 行，如下所示：

 ID_year_id  cohort      ids  level num_classes
0       22180  2013FA  1001269      4           4
1       49919  2013FA  1000206      4           4
2       48206  2013FA  1000524      4           2
3       40649  2013FA  1000233      4           3
4       29733  2013FA  1000533      4           2

此时我正在尝试创建一个新列，students_master['selections']，我在其中使用“num_classes”列中的数字 1-4 从课程 ['course_id] 中随机选择多个 course_id ']。生成的列值将是小列表，例如 [HCH-101, TWI-302,...]

当我使用这段代码时：

list(courses['course_id'].sample(4))

它起作用了，结果是：

['EVS-406', 'BFN-201', 'ATS-105', 'BOL-103']

我尝试过使用 .apply 以及基本的 for 循环，但没有成功。我认为最有前途的方法是“矢量化”。所以我写了这个 .select 语句：

selections=[]
conditions = [
        (students_master['num_classes']==4),
        (students_master['num_classes']==3),
        (students_master['num_classes']==2),
        (students_master['num_classes']==1)
]
choices = [
        ([list(courses['course_id'].sample(4))]),
        ([list(courses['course_id'].sample(3))]),
        ([list(courses['course_id'].sample(2))]),
        ([list(courses['course_id'].sample(1))])
]


selections.append(np.select(conditions, choices))

它得到错误：“形状不匹配：对象不能被广播到单个形状”

非常感谢任何有关如何解决此问题的建议。

【问题讨论】：

标签： pandas random

【解决方案1】：

这个，您可以使用apply 来确保课程不会在每个学生中重复：

selection = student_master['num_classes'].apply(lambda x: np.random.choice(course['course_id'], x, replace=False) )

【讨论】：

谢谢，但这给出了错误：'cannot perform reduce with flexible type'
啊哈！我的“num_classes”列不是 INT 类型，而是对象。我转换了它，现在一切正常。谢谢！