python - 随机清空数据框中值的最有效方法

Question

考虑df

df = pd.DataFrame(np.ones((10, 10)) * 2,
                  list('abcdefghij'), list('ABCDEFGHIJ'))
df

我怎样才能随机取消大约 20% 的这些值？

Answer 1

你可以使用 numpy.random.choice生成 mask :

import numpy as np

mask = np.random.choice([True, False], size=df.shape, p=[.2,.8])

df.mask(mask)

---

一行:

df.mask(np.random.choice([True, False], size=df.shape, p=[.2,.8]))

使用 timeit 测试的速度约为 770μs:

>>> python -m timeit -n 10000 
        -s "import pandas as pd;import numpy as np;df=pd.DataFrame(np.ones((10,10))*2)"
        "df.mask(np.random.choice([True,False], size=df.shape, p=[.2,.8]))"
10000 loops, best of 3: 770 usec per loop