概率变异数据框

Posted 2023-05-07

【中文标题】概率变异数据框

【英文标题】：Probabilistically mutate dataframe

【发布时间】：2021-10-19 08:33:10

【问题描述】：

给定

pd.DataFrame('feature': [0.5,0.1,0.3,0.2,0.6,0.4,0.3], 'label': [0,1,2,2,1,2,0])

我想应用以下规则：对于所有 feature 大于 0.2 的行，它们的标签有 60% 的机会更改为 2。否则它将保持不变。

我的解决方案是：

df.loc[df.feature > 0.2, 'label'] = [
    np.random.choice(x, p=(0.6,0.4)) for x in zip(np.full(len(df.feature > 0.2), fill_value=2), df.loc[df.feature > 0.2, 'label'])]

有没有更简单的矢量化方法来做到这一点？

【参考方案1】：

想法是按百分比设置掩码，如this 解决方案，并仅设置更大的选定值，如0.2：

N = 2
m = df.feature > 0.2
mask = np.random.choice([True, False], m.sum(), p=[0.6, 0.4])

df.loc[m, 'label'] = np.where(mask, N, df.loc[m, 'label'])