只是试图在数据帧中生成一个新列，它根据位于同一行中其他列的概率取值1或0。
具有伪数据：df = pd.DataFrame({'a': [.1, .2, .3, .4], 'b': [.9, .8, .7, .6']})
我希望添加第三列c，例如，在第一行中，它为1的概率为.1，为0的概率为.9。等等。
第一次尝试是定义一个函数并使用apply:
def randomiser(x):
return np.random.choice([1,0], size=(1, 1), p=[df.loc[[x]]['a'], -df.loc[[x]]['b']])
df['probability'] = df.apply(lambda x: randomiser(x), axis=1)
然而，这会引发一个关于向p提供两个多值的错误，所以我认为它迭代不正确。
第二次我尝试了for循环：
for row in df.iterrows():
row['probability'] = np.random.choice([1,0], size=(1, 1), p=[df.loc[[row]]['a'], -df.loc[[row]]['b']])
但这会导致TypeError抱怨系列对象是可变的。
最后我尝试将相关列拉出到元组或列表中，但结果相似。
有什么想法吗？感谢
由于apply()的工作方式，您不需要指定df.loc[]，必须使用x和要从中获取值的列的名称。尝试以下操作：
df = pd.DataFrame({'a': [.1, .2, .3, .4], 'b': [.9, .8, .7, .6]})
def randomiser(x):
return np.random.choice([1,0], size=(1, 1), p=[x['a'], x['b']])[0][0]
df['probability'] = df.apply(lambda x: randomiser(x), axis=1)
该输出：
a b probability
0 0.1 0.9 1
1 0.2 0.8 0
2 0.3 0.7 0
3 0.4 0.6 1
df["probability"] = [np.random.choice([1, 0], p=probs).item()
for probs in df[["a", "b"]].values]
通过这种列表理解，我们将df到np.random.choice的每一行作为概率，并分别从[1, 0]中进行选择(.item用于从1项数组中获取标量(。
获取(例如(
a b probability
0 0.1 0.9 0
1 0.2 0.8 0
2 0.3 0.7 0
3 0.4 0.6 1