Question

我试图找到我的问题的答案，但也许我并没有正确地将解决方案应用于我的情况。这就是我创建的将数据表中的某些行分组为收入组的方法。我创建了4个新的数据帧，然后在为每个数据帧应用索引后将它们连接起来。这是最优还是有更好的方法吗？

我应该添加我的目标是使用这些新组和boxpot创建一个箱线图＆＃34; by =＆＃34;参数。

df_nonull1 = df_nonull[(df_nonull['mn_earn_wne_p6'] < 20000)]
df_nonull2 = df_nonull[(df_nonull['mn_earn_wne_p6'] >= 20000) & (df_nonull['mn_earn_wne_p6'] < 30000)]
df_nonull3 = df_nonull[(df_nonull['mn_earn_wne_p6'] >= 30000) & (df_nonull['mn_earn_wne_p6'] < 40000)]
df_nonull4 = df_nonull[(df_nonull['mn_earn_wne_p6'] >= 40000)]

df_nonull1['inc_index'] = 1
df_nonull2['inc_index'] = 2
df_nonull3['inc_index'] = 3
df_nonull4['inc_index'] = 4
frames = [df_nonull1,df_nonull2,df_nonull3,df_nonull4]
results = pd.concat(frames)

Answer 1

如果您的所有值都在10k到50k之间，则可以使用整数除法（//）指定索引：

df_nonull['inc_index'] = df_nonull.mn_earn_wne_p6 // 10000

您不需要分解数据框并将其连接起来，您需要找到一种方法从inc_index字段创建mn_earn_wne_p6。

Answer 2

编辑。正如保罗在评论中所提到的那样，有一个pd.cut功能正是这种事情，它比我原来的答案要优雅得多。

# equal-width bins
df['inc_index'] = pd.cut(df.A, bins=4, labels=[1, 2, 3, 4])

# custom bin edges
df['inc_index'] = pd.cut(df.A, bins=[0, 20000, 30000, 40000, 50000],
                         labels=[1, 2, 3, 4])

请注意labels参数是可选的。 pd.cut生成ordered categorical Series，因此无论标签如何，您都可以按结果列进行排序：

df = pd.DataFrame(np.random.randint(1, 20, (10, 2)), columns=list('AB'))
df['inc_index'] = pd.cut(df.A, bins=[0, 7, 13, 15, 20])
print df.sort_values('inc_index')

输出（模数随机数）

    A   B inc_index
6   2  16    (0, 7]
7   5   5    (0, 7]
3  12   6   (7, 13]
4  10   8   (7, 13]
5   9  13   (7, 13]
1  15  10  (13, 15]
2  15   7  (13, 15]
8  15  13  (13, 15]
0  18  10  (15, 20]
9  16  12  (15, 20]

原始解决方案。这是Alexander's answer对可变广告系列宽度的概括。您可以使用inc_index构建Series.apply列。例如，

def bucket(v):
    # of course, the thresholds can be arbitrary
    if v < 20000:
        return 1
    if v < 30000:
        return 2
    if v < 40000:
        return 3
    return 4

df['inc_index'] = df.mn_earn_wne_p6.apply(bucket)

或者，如果你真的想避开def，

df['inc_index'] = df.mn_earn_wne_p6.apply(
    lambda v: 1 if v < 20000 else 2 if v < 30000 else 3 if v < 40000 else 4)

请注意，如果您只想将mn_earn_wne_p6的范围细分为相等的存储桶，那么亚历山大的方式会更清晰，更快。

df['inc_index'] = df.mn_earn_wne_p6 // bucket_width

然后，要生成所需的结果，您只需按此列排序即可。

df.sort_values('inc_index')

您还可以groupby('inc_index')汇总每个广告资源中的结果。

Python / Pandas - 按标准分组的最佳方式？

2 个答案: