如何用极坐标中的随机值填充列

Question

我想知道如何用随机值填充极坐标数据框的列。 我的想法是，我有一个具有给定列数的数据框，并且我想向该数据框添加一列，该数据框填充有不同的随机值（例如从 random.random() 函数获得）。

这是我现在尝试的：

df = df.with_columns(
    pl.when((pl.col('Q') > 0)).then(random.random()).otherwise(pl.lit(1)).alias('Prob')
)

通过这种方法，我获得的结果是一列填充了一个随机值即所有行都具有相同的值。

有没有办法用不同的随机值填充列？

提前致谢。

Answer 1

您需要一个与数据框高度相同的随机数“列”？

np.random.rand

对此很有用：

df = pl.DataFrame({"foo": [1, 2, 3]})

df.with_columns(pl.lit(np.random.rand(df.height)).alias("prob"))

shape: (3, 2)
┌─────┬──────────┐
│ foo ┆ prob     │
│ --- ┆ ---      │
│ i64 ┆ f64      │
╞═════╪══════════╡
│ 1   ┆ 0.657389 │
│ 2   ┆ 0.616265 │
│ 3   ┆ 0.142611 │
└─────┴──────────┘

df.with_columns(
   pl.when(pl.col("foo") > 2).then(pl.lit(np.random.rand(df.height)))
     .alias("prob")
)

shape: (3, 2)
┌─────┬──────────┐
│ foo ┆ prob     │
│ --- ┆ ---      │
│ i64 ┆ f64      │
╞═════╪══════════╡
│ 1   ┆ null     │
│ 2   ┆ null     │
│ 3   ┆ 0.686551 │
└─────┴──────────┘

也可以用表达式做类似的事情吗？

例如与

.int_range()

和

.sample()

df.with_columns(
   (pl.int_range(1000).sample(pl.len(), with_replacement=True) / 1000)
      .alias("prob")
)

shape: (3, 2)
┌─────┬───────┐
│ foo ┆ prob  │
│ --- ┆ ---   │
│ i64 ┆ f64   │
╞═════╪═══════╡
│ 1   ┆ 0.288 │
│ 2   ┆ 0.962 │
│ 3   ┆ 0.734 │
└─────┴───────┘

Answer 2

首先获取数据框的行数：

row_n = df.select(pl.count()).collect().items()

然后使用 random 创建一个该大小的随机列表：

to_add = random.sample(range(0, 10), row_n)

最后将其添加到您的数据框中：

df.with_column(pl.Series(name="new_col", values=to_add))

Answer 3

创建示例极坐标数据框

df = pl.DataFrame({
    'Q': [1, -1, -3, 4],
})

一次线性矢量化计算

df = df.with_columns(
    pl.when(pl.col('Q') > 0)
    .then(pl.lit(np.random.uniform(0, 1, len(df))))
    .otherwise(1)
    .alias('Prob')
)

结果

Q   Prob
1   0.922802
-1  1.0
-3  1.0
4   0.182397

Answer 4

首先，如果您仍在使用

with_column

而不是

with_columns

，那么您使用的 Polars 版本相对较旧，因此我建议升级，因为有新功能和性能增强。还有一些重大变化，比如不再有

with_column

，因为它是多余的，因为它从一开始就只是

with_columns

的限制版本。

抛开这一点，对于你的问题，它不起作用的原因是当你跑步时

df.with_columns(pl.when((pl.col('Q') > 0)).then(random.random()).otherwise(pl.lit(1)).alias('Prob'))

python 仅调用

random.random()

一次，并且由于它只返回一个值，因此 Polars 将其广播（即复制）到所有行。你需要做的是告诉 python 在你真正“需要”的时候运行它。我将 need 放在引号中，因为如果您尝试给它的值少于 df 的整个高度，即使您只需要与 Q>0 一样多的随机值，极坐标也会抱怨。

最简单的方法就是使用列表理解插入

df

的高度

df.with_columns(
    pl.when((pl.col('Q') > 0))
        .then(pl.lit([random.random() for _ in range(df.height)]))
        .otherwise(pl.lit(1))
        .alias('Prob'))

对

random.random()

使用列表理解并不像让 numpy 创建随机数数组那么高效，因为它使用优化的 C 代码来完成此操作，而列表理解只是一个 Python 循环。我打算回答为什么它不起作用的总体问题，而不是规定最快的随机数生成方法。

Answer 5

你可以这样做：

df.with_columns(
    pl.Series(
        [random.random() if q > 0 else 1 for q in df["Q"]]
    ).alias("Prob")
)