Python中创建一个数据帧

Question

不知道如何正确短语这一点，但这里有云：

什么是在Python中创建一列数据帧保存一和零的最简单的方法，而长度由一些被确定输入？

例如，假设我的样本量为1000，其中有100个成功（个）。零的数量将是样本大小（即1000）减去成功。因此，输出将是一个长度为1000的df，其中100行包含1，而900包含0。

Answer 1

从你所描述的，一个简单的list会做的伎俩。否则，您可以使用numpy.array或pandas.DataFrame/pandas.Series（更多表格）。

import numpy as np 
import pandas as pd 

input_length = 1000 

# List approach: 
my_list = [0 for i in range(input_length)] 
# Numpy array: 
my_array = np.zeros(input length) 
# With Pandas: 
my_table = pd.Series(0, index=range(input_length)) 

所有这些创建一个零向量，然后你可以随心所欲地分配成功（一）。如果这些遵循一些已知的分布，则numpy也有方法来生成随机向量（see here）。

如果你真的在寻找熊猫的方法，它也可以结合以前的方法。这是，您可以将list或numpy.array指定为Series/DataFrame的值。例如，想象一下，想要绘制1000个p = 0.5的二项分布随机样本：

p=0.5 
my_data = pd.Series(np.random.binomial(1, p, input_length)) 

Answer 2

除了N.P.的回答。你可以做这样的事情：

import pandas as pd 
import numpy as np 

def generate_df(df_len): 

    values = np.random.binomial(n=1, p=0.1, size=df_len) 
    return pd.DataFrame({'value': values}) 

df = generate_df(1000) 

编辑：

更完整的功能：

def generate_df(df_len, option, p_success=0.1): 
    ''' 
    Generate a pandas DataFrame with one single field filled with 
    1s and 0s in p_success proportion and length df_len. 
    Input: 
     - df_len: int, length of the 1st dimension of the DataFrame 
     - option: string, determines how will the sample be generated 
      * random: according to a bernoully distribution with p=p_success 
      * fixed: failures first, and fixed proportion of successes p_success 
      * fixed_shuffled: fixed proportion of successes p_success, random order 
     - p_success: proportion of successes among total 
    Output: 
     - df: pandas Dataframe 
    ''' 

    if option == 'random': 
     values = np.random.binomial(n=1, p=p_success, size=df_len) 

    elif option in ('fixed_shuffled', 'fixed'): 

     n_success = int(df_len*p_success) 
     n_fail = df_len - n_success 

     values = [0]*n_fail + [1]*n_success 

     if option == 'fixed_shuffled': 
      np.random.shuffle(values) 

    else: 
     raise Exception('Unknown option: {}'.format(option)) 

    df = pd.DataFrame({'value': values}) 

    return df