팬더의 확률 함수로 값을 지정하십시오.

Question

저는 카테고리 값의 가치에 근거하여 4 번째 값 (버디의 2 가지 유형 중 하나)을 할당하려고합니다.

는 무작위로 할당 된 3 개 기능에 대한 값을

작은 DF :

 Unique_ID Category Age  Sex  Buddy 
0  0   2   11  male  NaN 
1  1   3   7  female  NaN 
2  2   1   4  male  NaN 
3  3   2   20  male  NaN 
4  4   1   19  female  NaN 

내가 대답하면 도움이 DF를 생성하는 코드를 포함 카테고리, 연령과 성별은

난 하드 코딩에 함수를했습니다 np.random.choice에 대한 확률이지만 df에 assign_buddy 함수를 적용 할 때 오류 메시지가 표시되는 경우 ValueError : Series의 진리 값이 모호합니다. a.empty, a.bool(), a.item(), a.any() 또는 a.all()을 사용하십시오.

columns = ['Unique_ID', 'Category', 'Age', 'Sex', 'Buddy'] 
df = pd.DataFrame(columns=columns) 

Sexes = ['female', 'male'] 
df.Sex = np.random.choice(a=Sexes, size=n, p=[0.6, 0.4]) 

list_Category = [1,2,3,4] 
df.Category = np.random.choice(a=list_category, size=n, p=[0.3, 0.4, 0.2, 0.1]) 

buddy_list = ['buddy_1', 'buddy_2'] 

def assign_buddy(Category_prob_list): 
""" 
takes in a Category value 
return: Buddy 
"""  
    if df['Category'] == list_Category[0]: 
     df['Buddy'] = np.random.choice(a=buddy_list, size=n, p=[0.1, 0.9]) 
     return df['Buddy'] 
    elif df['Category'] == list_Category[1]: 
     df['Buddy'] = np.random.choice(a=buddy_list, size=n, p=[0.3, 0.7]) 
     return df['Buddy'] 
    elif df['Category'] == list_Category[2]: 
     df['Buddy'] = np.random.choice(a=buddy_list, size=n, p=[0.7, 0.3]) 
     return df['Buddy'] 
    elif df['Category'] == list_Category[3]: 
     df['Buddy'] = np.random.choice(a=buddy_list, size=n, p=[0.9, 0.1]) 
     return df['Buddy'] 
    else: 
     pass 
# should apply assign_buddy to each row in df 
df['Category'].apply((assign_buddy)) 

나는 assign_buddy에 대한 확률 사전을 가지고 있지만 모든 문서에도 불구하고지도를 파악하고 논리를 적용 할 수는 없습니다.

np.random.choice의 인수 p에 전달 될 확률을 d에서 반환하는 함수를 만들려고했지만 작동하지 않습니다.

# key is category label and values are probabilities for np.random.choice 
d = {1: [0.1, 0.9], 2: [0.3, 0.7], 3: [0.7, 0.3], 4: [0.9, 0.1]} 

감사 인사! 이 과제를 수행하는 방법

Answer 1

는이

n = 20 
columns = ['Unique_ID', 'Category', 'Age', 'Sex', 'Buddy'] 
df = pd.DataFrame(columns=columns) 

list_category = [1,2,3,4] 
buddy_list = ['buddy_1', 'buddy_2'] 
Sexes = ['female', 'male'] 
df.Sex = np.random.choice(a=Sexes, size=n, p=[0.6, 0.4]) 
df.Category = np.random.choice(list_category, size=n, p=[0.3, 0.4, 0.2, 0.1]) 

d = {1: [0.1, 0.9], 2: [0.3, 0.7], 3: [0.7, 0.3], 4: [0.9, 0.1]} 

for val in list_category: 
    sz = (df["Category"] == val).sum() # find the size for array to create 
    # use `loc` to select places you want to replace 
    df.loc[df["Category"] == val,'Buddy'] = np.random.choice(
               buddy_list, sz, p=d[val])