Pandas：使用范围内的随机整数在 df 中创建新列答案

【问题标题】：Pandas: create new column in df with random integers from rangePandas：使用范围内的随机整数在 df 中创建新列
【发布时间】：2015-07-31 09:17:15
【问题描述】：

我有一个 50k 行的 pandas 数据框。我正在尝试添加一个新列，它是从 1 到 5 的随机生成的整数。

如果我想要 50k 个随机数，我会使用：

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

但为此我不知道该怎么做。

R 中的旁注，我会这样做：

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

有什么建议吗？

【问题讨论】：

在pandas/numpy中有一个直接函数np.random.randint(low, high, size)。不需要像我们在 R 中那样实际生成范围 low:high 并从中采样。

【解决方案1】：

一种解决方案是使用numpy.random.randint:

import numpy as np
df1['randNumCol'] = np.random.randint(1, 6, df1.shape[0])

或者如果数字不连续（尽管速度较慢），您可以使用这个：

df1['randNumCol'] = np.random.choice([1, 9, 20], df1.shape[0])

为了使结果可重现，您可以使用numpy.random.seed 设置种子（例如np.random.seed(42)）

【讨论】：

【解决方案2】：

要添加一列随机整数，请使用randint(low, high, size)。没有必要浪费内存分配range(low, high)；如果high 很大，那可能会占用大量内存。

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

注意事项：

当我们只添加一个列时，size 只是一个整数。一般来说，如果我们要生成randint()s的数组/数据框，size可以是一个元组，如Pandas: How to create a data frame of random integers?)
in Python 3.x range(low, high) no longer allocates a list (potentially using lots of memory), it produces a range() object
使用random.seed(...) 获得确定性和可重复性

【讨论】：