Python 函数不会为内部循环中的每个迭代调用给定参数

Question

我写了这段代码：

class_1500_strings = ['transistor', 'resistor', 'diode', 'processor', 'thermistor', '555-timer', 'microcontroller']
class_1500 = {'conductivity' : gaussian_sample(100, 10, 250),
'price_per_unit' : gaussian_sample(10, 2, 250),
'number_bought' : categorical_sample(0, 10, 250),
'manufacturer' : string_sample(250, class_1500_strings),
'acquisition_date' : date_random_sample("1/1/2008 1:30 PM", "1/1/2009 4:50 AM", col_length=250),
'runtime' : gaussian_sample(1000, 200, 250)
def generate_table(class_dict, class_label, number_of_samples):
X, y = [], []
for table_idx in range(number_of_samples):
df = pd.DataFrame(class_dict)
label = class_label
X.append(df)
y.append(label)
return X, y
X, y = generate_table(class_1500, 0, 5)

目的是构建示例人工数据帧。我遇到的问题是 X 是相同数据帧的列表，而不是调用类字典中的随机生成器。如何使函数生成不同数据集的列表(即每次运行循环时调用采样器(？

Answer 1

您需要为构造的每个数据帧创建一个新字典。使用当前逻辑，一旦定义了class_1500，它就失去了与随机生成器逻辑的所有连接，因为这些值都是数组式的。

一种方法是定义一个单独的函数，每次运行时都会给出不同的数组：

def make_data():
return {'conductivity' : gaussian_sample(100, 10, 250),
...
'runtime' : gaussian_sample(1000, 200, 250)}
def generate_table(class_label, number_of_samples):
X, y = [], []
for table_idx in range(number_of_samples):
df = pd.DataFrame(make_data())
label = class_label
X.append(df)
y.append(label)
return X, y
X, y = generate_table(0, 5)

Answer 2

在循环的每次迭代中使用相同的值构造数据帧 (class_dict(。如果希望每次迭代的数据帧值都不同，则必须提供不同的值。尝试将 for 循环更新为for key in class_dict，对于数据帧的参数，请提供key。

这样，字典的每个键都有一个数据帧，其中数据帧的值由字典键的值(示例函数(生成。