Python中創建一個數據幀

Question

不知道如何正確短語這一點，但這裏有雲：

什麼是在Python中創建一列數據幀保存一和零的最簡單的方法，而長度由一些被確定輸入？

例如，假設我的樣本量爲1000，其中有100個成功（個）。零的數量將是樣本大小（即1000）減去成功。因此，輸出將是一個長度爲1000的df，其中100行包含1，而900包含0。

Answer 1

從你所描述的，一個簡單的list會做的伎倆。否則，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)) 

所有這些創建一個零向量，然後你可以隨心所欲地分配成功（一）。如果這些遵循一些已知的分佈，則numpy也有方法來生成隨機向量（see here）。

如果你真的在尋找熊貓的方法，它也可以結合以前的方法。這是，您可以將list或numpy.array指定爲Series/DataFrame的值。例如，想象一下，想要繪製1000個p = 0.5的二項分佈隨機樣本：

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

Answer 2

除了N.P.的回答。你可以做這樣的事情：

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) 

編輯：

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