pandas 随机生成缺失值

你可以使用 pandas 库的 `DataFrame` 中的 `sample` 方法来生成随机缺失值。

以下是一个示例代码：

import pandas as pd
import numpy as np

# 创建一个 DataFrame
df = pd.DataFrame({'A': np.random.randint(1, 10, size=10),
                   'B': np.random.randint(1, 10, size=10),
                   'C': np.random.randint(1, 10, size=10)})

# 随机选择 3 个位置作为缺失值
missing = df.sample(n=3)
missing = list(zip(missing.index, missing.columns))

# 将这些位置的值设置为 NaN
for row, col in missing:
    df.at[row, col] = np.nan

在这个例子中，我们首先创建了一个 DataFrame，然后使用 `sample` 方法随机选择了 3 个位置，并将它们存储为一个列表。然后我们使用 `at` 方法将这些位置的值设置为 NaN。

请注意，由于我们使用了 `at` 方法，因此我们需要指定行和列的标签。如果你想使用行和列的索引来设置值，可以使用 `iloc` 方法。