Question

我有一个由子句创建的熊猫数据框： df = pd.DataFrame({'A':[29,31,48,51,66,64,68], 'B':[1.2,1.7,1.1,0.9,1.3,1.2,1.5]}) 看起来像这样：

我想对'A'进行分组，而不是精确的值，但abs小于5。所以我想要的是这样的：

    A    B  GroupId
0  29  1.2        1
1  31  1.7        1
2  48  1.1        2
3  51  0.9        2
4  66  1.3        3
5  64  1.2        3
6  68  1.5        3

我该怎么办？

我发现group by a dataframe by values that are just less than a second off - pandas是有帮助的，因此我可以使用： df['sum'] = [df.loc[(df['A'] - t).abs() < 5, 'B'].sum() for t in df['A']] 变得流畅

    A    B  sum
0  29  1.2  2.9
1  31  1.7  2.9
2  48  1.1  2.0
3  51  0.9  2.0
4  66  1.3  4.0
5  64  1.2  4.0
6  68  1.5  4.0

然后我可以使用'sum'作为ID将这个数据帧分成不同的组。有什么更好的方法吗？

Answer 1

由于对列A的值进行了排序，因此得到的差额为Series.diff，比较了更大的Series.gt并通过Series.cumsum添加了累加总和：

#if necessary
df = df.sort_values('A')

df['GroupId'] = df.A.diff().gt(5).cumsum() + 1
print (df)
    A    B  GroupId
0  29  1.2        1
1  31  1.7        1
2  48  1.1        2
3  51  0.9        2
4  66  1.3        3
5  64  1.2        3
6  68  1.5        3

如果可能，请使用一些负值，并且必须使用绝对值进行处理：

df = pd.DataFrame({'A':[-29,31,-48,51,66,64,68], 'B':[1.2,1.7,1.1,0.9,1.3,1.2,1.5]})

df = df.assign(A1= df.A.abs()).sort_values('A1')
df['GroupId'] = df.A1.diff().gt(5).cumsum() + 1
print (df)
    A    B  A1  GroupId
0 -29  1.2  29        1
1  31  1.7  31        1
2 -48  1.1  48        2
3  51  0.9  51        2
5  64  1.2  64        3
4  66  1.3  66        3
6  68  1.5  68        3

熊猫groupby值相差无几

1 个答案: