从数据帧生成具有不同均值的 szenarios

如何解决从数据帧生成具有不同均值的 szenarios

我有以下数据框：

           Cluster  OPS(4)  mean(ln)  std(ln)
0           5-894  5-894a     2.203    0.775
1           5-894  5-894b     2.203    0.775
2           5-894  5-894c     2.203    0.775
3           5-894  5-894d     2.203    0.775
4           5-894  5-894e     2.203    0.775

对于每种手术类型（在 OPS(4) 列中），我想生成 10.000 个场景，这些场景应该存储在另一个数据框中。

我知道，我可以通过以下方式创建场景：

 num_reps = 10.000
 scenarios  = np.ceil(np.random.lognormal(mean,std,num_reps))

新的数据框应该是这样的，每列中有 10,000 个场景：

scen_per_surg = pd.DataFrame(index=range(num_reps),columns=merged_information['OPS(4)'])

OPS(4) 5-894a 5-894b 5-894c 5-894d 5-894e 
0         NaN    NaN    NaN    NaN    NaN    
1         NaN    NaN    NaN    NaN    NaN    
2         NaN    NaN    NaN    NaN    NaN    
3         NaN    NaN    NaN    NaN    NaN    
4         NaN    NaN    NaN    NaN    NaN    
5         NaN    NaN    NaN    NaN    NaN    
...

不幸的是，我不知道如何遍历第一个数据帧的行来创建场景。

有人可以帮我吗？ 最好的问候

解决方法

创建一些实验数据

import pandas as pd
df = pd.DataFrame(data=[
                          [ '5-894','5-894a',2.0,0.70],[ '5-894','5-894b',2.1,0.71],'5-894c',2.2,0.72],'5-894d',2.3,0.73],'5-894e',2.4,0.74] ],columns =['Cluster','OPS(4)','mean(ln)','std(ln)'])
print(df)

创建一个空数据框

new_df = pd.DataFrame()

定义一个函数，该函数将应用于原始df的每一行并生成所需的随机值并将其分配给新df中的一列

import numpy as np
def geb_scenarios(row):
  # print(row)
  col,mean,std = row[1:]
  new_df[col] = np.ceil(np.random.lognormal(mean,std,10))

应用函数

df.apply(geb_scenarios,axis=1)
print(new_df)