如何在 Pandas 中对每个 groupby 分组有效地分配单个值

Question

我有一个Pandas DataFrame，其中包含一列非唯一数字。我希望为每个非唯一值返回不同的随机数，但在出现相同值的每一行中返回相同的随机数，即输出的随机数数据框的形状与未分组的数据框相匹配。

我可以这样做: df.groupby('NonUnique').transform(lambda x: np.random.rand()) 这将返回所需的每个 df 列中的不同随机数。

然而，对于大型数据框来说速度很慢，但是 np.random.rand(df.size) 很快。是否有更有效的方法实现我想要的结果？我似乎找不到一种向量化分组分配的方法...

- Siyh

Answer 1

通过计算唯一值的长度创建数组，然后使用 factorize 和 numpy 索引 来进行重复：

np.random.seed(123)

df = pd.DataFrame({'A':list('aaabbb')})

a = np.random.rand(len(df['A'].unique()))

df['B'] = a[pd.factorize(df.A)[0]]
print (df)
   A         B
0  a  0.696469
1  a  0.696469
2  a  0.696469
3  b  0.286139
4  b  0.286139
5  b  0.286139

详情:

print (pd.factorize(df.A)[0])
[0 0 0 1 1 1]

- jezrael

---

你能详细说明一下，为什么你不直接使用factorize函数吗？例如s = pd.Series(np.random.randint(1,100,40)) pd.factorize(s)[0] - Fourier

@Fourier - 因为 OP 需要随机值，所以 factorize 对于唯一的组始终返回相同的值 0,1,2...。 - jezrael

Answer 2

如果您已经在进行分组操作，可以直接使用ngroup()。

df.groupby('column').ngroup()

或者

df.groupby('column').transform('ngroup')

- rafaelc

---

请查看@jezrael答案下的我的评论。这将不是随机的，而是自然排序的数字。 - Fourier

自然数排序有什么问题吗？ - rafaelc

取决于操作者的任务。按排序出现进行映射将是直截了当的。 - Fourier

说实话，我不明白 OP 想要什么。没有示例，没有数据等等。我只是回答了这个问题：“如何在 Pandas 中高效地为每个 groupby 组分配单个值”哈哈。 - rafaelc