为数据框行分配 1 个随机值 - 需要帮助

Question

我想将 1 个值随机分配给 IsShade 列（输出），这样值 1 只能分配 D 次（参见 Shading 列，例如 2 次、5 次或 3 次），并且必须迭代 E 次（Total 列）例如 6 次或 8 次或 15 次）有 100 万行数据集，并附有示例输入和图像。因此，解释一下我的输入数据集：这是使用机器学习进行太阳能电池板预测的数据集。系列 X 并联 X 遮阳意味着将有 3 个串联的太阳能电池板，2 个并联的太阳能电池板，并且 6 个（3 X 2）太阳能电池板中，其中 2 个被遮挡（意味着太阳能电池板被某种物质覆盖）的阴影）因此，这里的“单元”列只是表示每个组有多少个太阳能电池板，例如 3 X 2，然后另一个也是 3 X 2，但它适用于不同的位置并具有不同的阴影值。因此，IsShade 列的输出应在 1 到 (3 X 2) 的范围内，即 6 行，任何随机 X 行（着色列值）应标记为 1，并为每个组保留 0 值。对于另外 5-11 行，应该也会发生同样的情况，但随机位置行不同。我希望你能明白它的要点。抱歉没有解释清楚。输入：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            如果你能帮助我如何实现或Python代码，那将会很有帮助。谢谢并感激。预期输出示例：输出[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

Answer 1

您可以在列中使用计数器，如果小于或等于列中的值，Cell则添加值，然后与列的连续值指定的每个组一起使用：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

自定义函数的另一个想法：

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)