极客教程pandas取随机数
在数据分析和处理中，经常会涉及到随机数的生成和操作。pandas库提供了很多方法来方便地生成和操作随机数。本文将介绍pandas中常用的随机数生成方法，包括生成指定长度的随机数、生成服从特定分布的随机数等。
1. 生成指定长度的随机数
在pandas中，我们可以使用numpy库的random模块来生成指定长度的随机数。下面我们通过一个示例代码来演示如何生成10个0到1之间的随机数：
import pandas as pd
import numpy as np
# 生成10个0到1之间的随机数
data = pd.Series(np.random.rand(10))
print(data)
运行结果如下：
0 0.871522
1 0.773529
2 0.352675
3 0.652499
4 0.179437
5 0.497809
6 0.380657
7 0.972340
8 0.807112
9 0.409701
dtype: float64
可以看到，我们生成了一个包含10个0到1之间的随机数的Series对象。
2. 生成服从特定分布的随机数
除了生成均匀分布的随机数外，我们还可以生成服从其他分布的随机数。例如，我们可以生成服从正态分布的随机数。下面是一个示例代码：
# 生成服从正态分布的随机数
data = pd.Series(np.random.normal(loc=0, scale=1, size=10))
print(data)
运行结果如下：
0 -0.204708
1 0.417300
2 0.682474
3 0.272525
4 0.702671
5 1.794709
6 0.473292
7 0.144108
8 -0.132800
9 -0.388438
dtype: float64
可以看到，我们生成了一个包含10个服从正态分布的随机数的Series对象。
3. 生成随机整数
有时候我们需要生成随机整数而不是随机小数，这时可以使用numpy库的random模块中的randint函数。下面是一个示例代码：
# 生成10个1到100之间的随机整数
data = pd.Series(np.random.randint(1, 100, size=10))
print(data)
运行结果如下：
0 94
1 4
2 48
3 74
4 33
5 35
6 39
7 57
8 3
9 80
dtype: int64
可以看到，我们生成了一个包含10个1到100之间的随机整数的Series对象。
4. 生成指定概率分布的随机数
除了常见的均匀分布和正态分布外，pandas还支持生成其他概率分布的随机数。例如，我们可以生成服从二项分布的随机数。下面是一个示例代码：
# 生成10个服从二项分布的随机数
data = pd.Series(np.random.binomial(n=10, p=0.5, size=10))
print(data)
运行结果如下：
0 4
1 6
2 5
3 7
4 5
5 3
6 5
7 6
8 4
9 6
dtype: int64
可以看到，我们生成了一个包含10个服从二项分布的随机数的Series对象。
5. 随机数种子的固定
在生成随机数时，我们有时需要保持随机数的可重复性。这时可以通过设置随机数种子来固定随机数的生成。下面是一个示例代码：
# 设置随机数种子为0
np.random.seed(0)
# 生成包含5个服从正态分布的随机数的Series对象
data = pd.Series(np.random.normal(size=5))
print(data)
运行结果如下：
0 1.764052
1 0.400157
2 0.978738
3 2.240893
4 1.867558
dtype: float64
可以看到，我们生成了一个包含5个服从正态分布的随机数的Series对象，并且通过设置随机数种子为0，确保了随机数的可重复性。
总结一下，本文介绍了pandas中常用的随机数生成方法，包括生成指定长度的随机数、生成服从特定分布的随机数、生成随机整数和生成指定概率分布的随机数。同时还介绍了如何通过设置随机数种子来固定随机数的生成。