如何在 Pandas 中有效地为每个组分配单个值

Question

我有一个带有一列非唯一数字的 Pandas DataFrame。我想为每个非唯一值返回不同的随机数，但在非唯一值出现的每一行返回相同的随机数，即随机数的输出数据帧的形状与未分组数据帧的形状相匹配。

我可以这样做： df.groupby('NonUnique').transform(lambda x: np.random.rand())

df这将根据需要为 中的每一列返回不同的随机数。

然而，对于大型数据帧来说，这很慢，但np.random.rand(df.size)速度非常快。有什么方法可以更有效地实现我想要的目标吗？我似乎找不到一种方法来矢量化每组的作业......

Answer 1

按唯一值的长度创建数组，然后使用factorizewithnumpy indexing进行重复：

np.random.seed(123)

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

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

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

细节：

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