从pandas python中的qcut排序五分位输出

Question

我有一个包含499条记录的埃博拉数据集。我试图根据概率（概率变量）找到每个五分位数的观测数。观察数量应分为0-20％，20-40％等类别。我认为这样做的代码是，

test = pd.qcut(ebola.prob,5).value_counts()

返回

[0.044, 0.094]    111
(0.122, 0.146]    104
(0.106, 0.122]    103
(0.146, 0.212]     92
(0.094, 0.106]     89

我的问题是如何对此进行排序以返回0-20％，20-40％40-60％60-80％80-100％的正确观察数量？

我试过了

test.value_counts(sort=False)

返回

104    1
89     1
92     1
103    1
111    1

这是104,89,92,103,111的订单吗？每个五分之一？

我很困惑，因为如果我从第一段代码中查看概率输出，它看起来应该是111,89,103,104,92？

Answer 1

您正在做的事情基本上是正确的，但您可能有两个问题：

1. 我认为您使用的是pd.cut()而不是pd.qcut()。
2. 您正在多次申请value_counts()。

（1）您可以在此处here引用此问题;当你使用pd.qcut()时，你应该在每个垃圾箱中有相同数量的记录（假设你的总记录可以被“垃圾箱”整除）。也许检查并确保您使用的是您打算使用的那个。

以下是一些随机数据来说明（2）：

>>> np.random.seed(1234)
>>> arr = np.random.randn(100).reshape(100,1)
>>> df = pd.DataFrame(arr, columns=['prob'])
>>> pd.cut(df.prob, 5).value_counts()

(0.00917, 1.2]       47
(-1.182, 0.00917]    34
(1.2, 2.391]          9
(-2.373, -1.182]      8
(-3.569, -2.373]      2

添加排序标记可以获得您想要的结果

>>> pd.cut(df.prob, 5).value_counts(sort=False)

(-3.569, -2.373]      2
(-2.373, -1.182]      8
(-1.182, 0.00917]    34
(0.00917, 1.2]       47
(1.2, 2.391]          9

或pd.qcut()

>>> pd.qcut(df.prob, 5).value_counts(sort=False)

[-3.564, -0.64]     20
(-0.64, -0.0895]    20
(-0.0895, 0.297]    20
(0.297, 0.845]      20
(0.845, 2.391]      20