如何在Python3中随机生成未观察到的数据

Question

我有一个数据框，其中包含观察到的数据：

import pandas as pd
d = {'humanID': [1, 1, 2,2,2,2 ,2,2,2,2], 'dogID': 
[1,2,1,5,4,6,7,20,9,7],'month': [1,1,2,3,1,2,3,1,2,2]}
df = pd.DataFrame(data=d)

df紧随其后

    humanID  dogID  month
0        1      1      1
1        1      2      1
2        2      1      2
3        2      5      3
4        2      4      1
5        2      6      2
6        2      7      3
7        2     20      1
8        2      9      2
9        2      7      2

我们总共有两个human和二十个dog，并且df以上包含观察到的数据。例如：

第一行意味着：human1在1月采用dog1

第二行意味着：human1在1月采用dog2

第三排意味着：qazxsw poi在二月采用了qazxsw poi

========================================================================

我的目标是随机生成每个human2的dog1未观察数据，这些数据未出现在原始观察数据中。

喜欢在two的(human, month)，他不采用狗human1我想随机创建两个未观察到的样本January三重形式

[3,4,5,6,7,..20]

但是，不允许使用以下样本，因为它出现在原始的(human, month)中

humanID dogID month
   1      20    1
   1      10    1

对于df，他在2月没有任何活动，因此我们不需要对未观察到的数据进行采样。

对于

  humanID dogID month
   1        2    1

，他有1月，2月和3月的活动。因此，对于每个月，我们要随机创建未观察到的数据。例如，1月，human1采用human2，human2和dog1。两个随机未观察到的样本可以是

dog4

同样的过程可以用于2月和3月。

我想将所有未观察到的数据放在一个数据框中，例如跟随god 20

humanID dogID month
   2      2    1
   2      6    1

有什么快速的方法吗？

PS：这是一家初创公司的代码访谈。

Answer 1

使用unobserved和

    humanID  dogID  month
0        1      20      1
1        1      10      1
2        2      2       1
3        2      6       1
4        2      13      2
5        2      16      2
6        2      1       3
7        2      20      3

：

groupby

Answer 2

如果我理解正确，你可以使用random.choices为

import random

dogs = list(range(1,21))
dfs = []
n_sample = 2
for i,d in df.groupby(['humanID', 'month']):
    h_id, month = i
    sample = pd.DataFrame([(h_id, dogID, month) for dogID in random.choices(list(set(dogs)-set(d['dogID'])), k=n_sample)])
    dfs.append(sample)
new_df = pd.concat(dfs).reset_index(drop=True)
new_df.columns = ['humanID', 'dogID', 'month']

print(new_df)
   humanID  dogID  month
0        1     11      1
1        1      5      1
2        2     19      1
3        2     18      1
4        2     15      2
5        2     14      2
6        2     16      3
7        2     18      3

列生成列的随机排列，

np.random.permutation()

或者在dogID范围内创建缺失值的随机抽样：

dogID