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:
TLag
NaN
2
4
6
8
10
12
14
16
18
20
22
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?
答案 0 :(得分:0)
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
答案 1 :(得分:0)
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:
Out[136]:
0 5
10 5
20 4