使用 pandas 的数据框进行概率测试

Question

我想使用循环对大型数据集进行概率测试。我知道如何进行计算，但我想将其作为测试。（比如随机 "flipping the coin" 测试）用这个假的 df:

df=pd.DataFrame([
['Alex',12, 'Apple'],['Bob',10, 'Banana'],['Clark',13, 'Citrus'], 
['Diana', 11, 'Banana'], ['Elisa', 13, 'Apple']
],columns=['Name','Age', 'Fruit'])

我如何创建一个随机选择一个名字的循环并获得水果 "Banana" 的概率？
我在想与以下内容一致的地方：

experiments = 10000
bananas = 0
for i in range(experiments):
    for draw in range(1):
        result = df[df['Fruit']=='Banana'][random.randrange(len(df))]
        if result=='Banana':
            bananas += 1 

bananas/experiments

结果接近 0,4，因为这就是概率。.

这显然行不通，但我希望你明白我在找什么。

Answer 1

这是使用 sample 和 value_counts 执行此操作的一种方法：

df.sample(n=1000, replace=True)['Fruit'].value_counts(normalize=True)

输出：

Banana    0.418
Apple     0.387
Citrus    0.195
Name: Fruit, dtype: float64

要获取 Banana 的值，只需从 pd.Series 索引 select:

df.sample(n=1000, replace=True)['Fruit'].value_counts(normalize=True)['Banana']

输出：

.418

使用 pandas 的数据框进行概率测试

Doing a probability test using a data frame with pandas

python

probability

pandas