Question

在pandas 20.1中，使用区间类型，是否可以在一系列中找到中点，左侧或中间值。

例如：

创建一个interval数据类型列，并在这些时间间隔内执行一些聚合计算：

df_Stats = df.groupby(['month',pd.cut(df['Distances'], np.arange(0, 135,1))]).agg(aggregations)

返回带有间隔列数据类型的df_Stats：df['Distances']

现在我想使用系列函数将间隔的左端与这些聚合的结果相关联：
```
df['LeftEnd'] = df['Distances'].left
```

但是，我可以明智地运行这个元素：

    df.loc[0]['LeftEnd'] = df.loc[0]['Distances'].left

这很有效。想法？

Answer 1

所以pd.cut()实际上创建了CategoricalIndex，其中IntervalIndex为类别。

In [13]: df = pd.DataFrame({'month': [1, 1, 2, 2], 'distances': range(4), 'value': range(4)})

In [14]: df
Out[14]: 
   distances  month  value
0          0      1      0
1          1      1      1
2          2      2      2
3          3      2      3

In [15]: result = df.groupby(['month', pd.cut(df.distances, 2)]).value.mean()

In [16]: result
Out[16]: 
month  distances    
1      (-0.003, 1.5]    0.5
2      (1.5, 3.0]       2.5
Name: value, dtype: float64

您可以简单地将它们强制转换为IntervalIndex（如果它们是列，也会有效），然后访问。

In [17]: pd.IntervalIndex(result.index.get_level_values('distances')).left
Out[17]: Float64Index([-0.003, 1.5], dtype='float64')

In [18]: pd.IntervalIndex(result.index.get_level_values('distances')).right
Out[18]: Float64Index([1.5, 3.0], dtype='float64')

In [19]: pd.IntervalIndex(result.index.get_level_values('distances')).mid
Out[19]: Float64Index([0.7485, 2.25], dtype='float64')

Answer 2

说＆＃39; cut＆＃39;是执行pd.cut后的列名。

而不是 - ＆gt;

 df['LeftEnd'] = df['Distances'].left

执行以下操作之一 - ＆gt;

 df['LeftEnd'] = df['cut'].apply(lambda x: x.left)

 df['LeftEnd'] = df['cut'].apply(lambda x: x.left).astype(str)

Pandas中的Interval数据类型 - 查找中点，左侧，中心等

2 个答案: