用Python中的三角分布进行Monte Carlo模拟

如何解决用Python中的三角分布进行Monte Carlo模拟

我是python的新手，它尝试使用numpy.random三角函数来运行来自几个三角形分布的一系列蒙特卡洛模拟，然后附加每次运行的模拟输出。示例数据如下。

ID  Low  Mode  High  
A   10   15    25
B   7    20    22
C   2    18    20
D   1    4     5
E   13   25    34

我想为每个ID运行10000次并附加结果。我知道我可以使用np.random.triangular(10,15,25,10000)为每个ID（例如ID A）运行。可能需要编写for循环才能运行并附加所有ID。谢谢！

更新！

预期的输出格式为：

ID Run      Output
A   1       11
A   2       23
.
.
.
A   10000   18
B   1       21.5
B   2       9
.   .       .
.   .       .
.   .       .
B   10000   19
C   1       2.5
C   2       13
.   .       .
.   .       .
.   .       .

解决方法

df是一个包含数据的数据框，在循环中，我要遍历各行，因此基本上，新数据框的每一行都将具有一个包含10000个样本的数组。

import pandas as pd
import numpy as np
Low = [10,7,2,1,13]
Mode = [15,20,18,4,25]
High = [25,22,5,34]
ID = ['A','B','C','D','E']
df = pd.DataFrame(zip(Low,Mode,High),columns = ['Low','Mode','High'],index = ID)
cols = ['Output']
        
df2 = pd.DataFrame(columns=cols,index = ID)

for l in range(5):
    result = np.random.triangular(df.iloc[l][0],df.iloc[l][1],df.iloc[l][2],10000)
    df2.iloc[l][0] = result

输出示例：