python - Pandas - 随机用其他行替换 10% 的行

Question

我想随机选择 df 中所有行的 10%，并将每一行替换为 df 中随机采样的现有行。

随机选择 10% 的行 rows_to_change = df.sample(frac=0.1) 可以，我可以使用 replacement_sample = df.sample(n=1) 获得一个新的随机现有行) 但我如何将它们组合在一起以快速迭代整个 10%？

df 包含数百万行 x 约 100 列。

示例 df:

df = pd.DataFrame({'A':[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15],'B':[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15],'C':[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]})

    A   B   C
0   1   1   1
1   2   2   2
2   3   3   3
3   4   4   4
4   5   5   5
5   6   6   6
6   7   7   7
7   8   8   8
8   9   9   9
9   10  10  10
10  11  11  11
11  12  12  12
12  13  13  13
13  14  14  14
14  15  15  15

假设它随机采样索引 2,13 以替换为随机选择的索引 6,9，最终 df 如下所示:

    A   B   C
0   1   1   1
1   2   2   2
2   7   7   7
3   4   4   4
4   5   5   5
5   6   6   6
6   7   7   7
7   8   8   8
8   9   9   9
9   10  10  10
10  11  11  11
11  12  12  12
12  13  13  13
13  10  10  10
14  15  15  15

Answer 1

您可以抽取一个随机样本，然后抽取另一个相同大小的随机样本，并将这些索引处的值替换为原始样本。

import pandas as pd

df = pd.DataFrame({'A': range(1,15), 'B': range(1,15), 'C': range(1,15)})

samp = df.sample(frac=0.1)
samp
# returns:
    A   B   C
6   7   7   7
9  10  10  10

replace = df.loc[~df.index.isin(samp.index)].sample(samp.shape[0])
replace
# returns:
   A  B  C
3  4  4  4
7  8  8  8

df.loc[replace.index] = samp.values

这会复制行而不进行替换

df
# returns:
     A   B   C
0    1   1   1
1    2   2   2
2    3   3   3
3    7   7   7
4    5   5   5
5    6   6   6
6    7   7   7
7   10  10  10
8    9   9   9
9   10  10  10
10  11  11  11
11  12  12  12
12  13  13  13
13  14  14  14
14  15  15  15

要进行替换采样，请在定义 samp 时使用关键字 replace = True