Question

我的数据框中有一列数字，我想将这些数字分类为例如高，低，排除。我如何实现这一目标。我很无能，我已经尝试过查看cut函数和类别数据类型。

Answer 1

pd.cut的简短示例。

让我们从一些数据框开始：

df = pd.DataFrame({'A': [0, 8, 2, 5, 9, 15, 1]})

并且，我们希望将这些数字分配给以下类别：'low'如果数字在[0, 2]区间，'mid'用于(2, 8]，{'high' 1}}对于(8, 10]，我们排除10以上（或低于0）的数字。

因此，我们有3个带边的区间：0,2,8,10。现在，我们可以使用cut如下：

pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True)
Out[33]: 
0     [0, 2]
1     (2, 8]
2     [0, 2]
3     (2, 8]
4    (8, 10]
5        NaN
6     [0, 2]
Name: A, dtype: category
Categories (3, object): [[0, 2] < (2, 8] < (8, 10]]

参数include_lowest=True包括第一个区间的左端。（如果您希望在右侧打开间隔，请使用right=False。）

间隔可能不是类别的最佳名称。因此，让我们使用名称：low/mid/high：

pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True, labels=['low', 'mid', 'high'])
Out[34]: 
0     low
1     mid
2     low
3     mid
4    high
5     NaN
6     low
Name: A, dtype: category
Categories (3, object): [low < mid < high]

排除的号码15获得＆＃34;类别＆＃34; NaN。如果您更喜欢更有意义的名称，可能最简单的解决方案（还有其他方法来处理NaN＆＃39;）是添加另一个bin和类别名称，例如：

pd.cut(df['A'], bins=[0, 2, 8, 10, 1000], include_lowest=True, labels=['low', 'mid', 'high', 'excluded'])
Out[35]: 
0         low
1         mid
2         low
3         mid
4        high
5    excluded
6         low
Name: A, dtype: category
Categories (4, object): [low < mid < high < excluded]

Answer 2

这个问题非常广泛，但开始的好地方可能就是文档中的这个页面：

http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing

或者您可以查看numpy.where

    import numpy as np
    df['is_high'] = np.where(df.['column_of_interest'] > 5 ,1,0)

对数据框

2 个答案: