我正在尝试将DataFrame分组为2列(请参阅下面的示例)。 对于第一列,我希望每个值都属于一个组。对于第二列,我想按不相等大小的重叠间隔进行分组。
我的理解是pd.cut()只允许我按非重叠间隔进行分组。
以下是一个例子:
0 1 2
0 0 4 1721
1 0 5 2353
2 0 6 58
3 0 7 524
4 1 1 1934
5 1 2 1318
6 1 2 1307
7 1 2 301
8 1 2 502
9 1 3 996
10 1 3 32
通过第0列和第1列分组,我希望:
0 1 2
0 [4,5] [1721,2353]
[5,6] [2353,58]
[6,7] [58,524]
1 [1,2] [1934,1318,1307,301,502]
[2,3] [1318,1307,301,502,996,32]
然后我会采用第2栏的平均值或标准。任何建议?谢谢 !
答案 0 :(得分:2)
从:
开始 gr1 gr2 val
0 0 4 1721
1 0 5 2353
2 0 6 58
3 0 7 524
4 1 1 1934
5 1 2 1318
6 1 2 1307
7 1 2 301
8 1 2 502
9 1 3 996
10 1 3 32
首先,根据gr2
:
bounds = df.gr2.sort_values().unique()
bins = list(zip(bounds[:-1], bounds[1:]))
def overlapping_bins(x):
return pd.Series([l for l in bins if l[0] <= x <= l[1]])
然后将val
值分配给bins
:
df = pd.concat([df, df.gr2.apply(overlapping_bins).stack().reset_index(1, drop=True)], axis=1).rename(columns={0: 'bins'}).drop('gr2', axis=1)
然后.groupby()
生成bins
:
df.groupby(['gr1', 'bins']).val.apply(lambda x: x.tolist())
gr1 bins
0 (3, 4) [1721]
(4, 5) [1721, 2353]
(5, 6) [2353, 58]
(6, 7) [58, 524]
1 (1, 2) [1934, 1318, 1307, 301, 502]
(2, 3) [1318, 1307, 301, 502, 996, 32]
(3, 4) [996, 32]