パンダの確率的関数で値を代入する

Question

カテゴリ値の値に基づいて4番目の値（2つのタイプの1つのバディ）を割り当てようとしています。

3つの機能のためにランダムに割り当てられた値を持つ小さなDF：カテゴリ、年齢、性別

 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 

私はハードコードに関数を作った答え

に役立つ場合、私はDFを生成するコードが含まにnp.random.choiceの確率ですが、dfにassign_buddy関数を適用するとエラーメッセージが表示される ValueError：Seriesの真理値があいまいです。 a.empty、a.bool（）、a.item（）、a.any（）またはa.all（）を使用します。

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)) 

私はassign_buddyの確率の辞書を持っていますが、すべてのドキュメントにもかかわらずマップを把握してロジックを適用することはできません。

dからnp.random.choiceの引数pに渡す確率を返す関数を作成しようとしましたが、機能しません。

# 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]} 

Answer 1

はあなたが私はあなたがこの割り当てを実行している方法を理解するのに役立つことができます。この

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])