Question

我有一系列整数值，在数据框（Clean）中缺少数据，我想将其分成更大的整数组，然后计算这些二进制数（如生成直方图）。它是一个大型数据集，因此我不想通过删除NaN来进行子集化。我有这个：

我想要这个：

LagBin  Count
0       4
10      5
20      2

我尝试使用pd.cut：

tbins=np.arange(0,3600,10)
Clean['LagBin']=pd.cut(Clean['TLag'],bins=tbins,right=True, labels=None,           retbins=False, precision=0, include_lowest=True)

但是这会将LagBin值作为范围返回，因为我最终想要绘制这个，所以我真的希望这些bin是数字的。此外，当我尝试使用groupby函数计数时（rx是另一个将在多索引中的分组变量）：

Hist=Clean.groupby(level=('rx','LagBin'))
Hist.count('LagBin')

但这会返回错误：

ValueError: Cannot convert NA to integer

所以我想我可以使用简单的转换将Lag值转换为整数二进制位：

Clean['LagBin']=Clean.TLag/10
Clean['LagBin']=(int(Clean.LagBin))*10

我也试过了hist（）函数 - 两者都不起作用，产生了这个错误：

TypeError: cannot convert the series to <type 'float'>

这似乎是一项非常简单的练习，应该是直截了当的。我错过了什么？

Answer 1

我认为你或多或少都有正确的想法，并且只是被语法所吸引。例如，我们可以使用十分乘以十分的技巧来添加LagBin列，然后添加groupby - count：

In [21]: Clean["LagBin"] = (Clean["TLag"]//10)*10

In [22]: Clean
Out[22]: 
    TLag  LagBin
0    NaN     NaN
1      2       0
2      4       0
3      6       0
4      8       0
5     10      10
6     12      10
7     14      10
8     16      10
9     18      10
10    20      20
11    22      20

In [23]: Clean.groupby("LagBin", as_index=False).count()
Out[23]: 
   LagBin  TLag
0       0     4
1      10     5
2      20     2

请注意，我已使用//截断分割，以便同时2//10 == 0和2.0//10 == 0（而不是0.2）。

如果您希望更接近所需的输出，可以在那里重命名TLag或将列本身分组：

In [46]: Clean["TLag"].groupby(Clean["LagBin"]).count().reset_index(name="Count")
Out[46]: 
   LagBin  Count
0       0      4
1      10      5
2      20      2

Answer 2

在 pd.cut 函数中尝试标签。

tlag = np.arange(0, 30, 2)
tbins = np.arange(0, 100, 10)
pd.value_counts(np.cut(tlag, tbins, labels = tbins[:-1]))

输出是：

如何将包含缺失数据的数值分组到bin中以便在python中进行计数

2 个答案: