如何在最小值和最大值之间对pandas数据帧进行分类/标记

Question

我想要一个功能，例如{1}}，在给定pandas DataFrame get_cluster(df, numspan)和整数df作为输入的情况下，返回标签（数字）的DataFrame numspan，表示根据此计算的子集中的成员资格到DataFrame的max和min之间的差值除以numspan。

换句话说：

1. 取df，例如df_cluster（未必订购，可能是实数）
2. 获取最高1, 2, 3, 4, 5和分钟5
3. 计算差异1，表示主要设置宽度
4. 将差值除以numspan，例如5 - 1 = 4获取子集单位宽度2
5. 然后对于DataFrame的每个项目检查它属于哪个子集（规则是 L1＆lt; = x＆lt; L2 其中 L1 和 L2 < / em>是子集的下限和上限）
6. 返回表示相关子集的数字，因此最终的df_cluster为2（规则中包含与最大上限对应的最后一个标签）

我的代码（另一个例子，见下图）：

1, 1, 2, 2, 2

图片中：



非常感谢你的帮助和时间，

吉尔伯托

更新

感谢@Boud，快速而优雅的解决方案是：

import pandas as pd
df = pd.DataFrame({'A':pd.Series([4, 8, 2, 3])})

def get_cluster(df, numspan):
     min = df.min() # e.g. 2
     max = df.max() # e.g. 8
     span = max - min # e.g. 6
     subset_unit = span/numspan # e.g. 6/3 = 2 -> every subset is 2 width

     # code I need...

     return df_cluster

df['Cluster'] = get_cluster(df, 3)
df
   A  Cluster
0  4        2
1  8        3 <= included by rule
2  2        1
3  3        1

Answer 1

This is called pd.cut where a bins= argument will allow you to set the number you numspan in the question.

It returns bin ranges by default. labels=False is a parameter you can use to get a bin number instead.