Question

我有一个数据框，我需要对距离不超过1的元素进行分组。例如，如果这是我的df：

     group_number  val
0              1    5
1              1    8
2              1   12
3              1   13
4              1   22
5              1   26
6              1   31
7              2    7
8              2   16
9              2   17
10             2   19
11             2   29
12             2   33
13             2   62

所以我需要将group_number和val分组，其中val的值小于或等于1.

因此，在此示例中，行2和3会组合在一起，而行8和9也会组合在一起。

我尝试使用diff或相关功能，但我没弄明白。

任何帮助将不胜感激！

Answer 1

使用diff是正确的方法 - 只需将其与gt和cumsum结合使用即可获得您的论坛。

这个想法是使用大于阈值的差异的累积和。大于阈值的差异将变为True。相反，等于或低于阈值的差异将变为False。对布尔值进行累计求和会使差异等于或低于阈值，从而得到相同的组号。

max_distance = 1

df["group_diff"] = df.sort_values("val")\
                     .groupby("group_number")["val"]\
                     .diff()\
                     .gt(max_distance)\
                     .cumsum()

print(df)

    group_number    val group_diff
0   1               5   0
1   1               8   1
2   1               12  2
3   1               13  2
4   1               22  5
5   1               26  6
6   1               31  8
7   2               7   0
8   2               16  3
9   2               17  3
10  2               19  4
11  2               29  7
12  2               33  9
13  2               62  10

您现在可以在 group_number 和 group_diff 上使用groupby，并查看包含以下内容的结果组：

grouped = df.groupby(["group_number", "group_diff"])
print(grouped.groups)

{(1, 0): Int64Index([0], dtype='int64'),
 (1, 1): Int64Index([1], dtype='int64'),
 (1, 2): Int64Index([2, 3], dtype='int64'),
 (1, 5): Int64Index([4], dtype='int64'),
 (1, 6): Int64Index([5], dtype='int64'),
 (1, 8): Int64Index([6], dtype='int64'),
 (2, 0): Int64Index([7], dtype='int64'),
 (2, 3): Int64Index([8, 9], dtype='int64'),
 (2, 4): Int64Index([10], dtype='int64'),
 (2, 7): Int64Index([11], dtype='int64'),
 (2, 9): Int64Index([12], dtype='int64'),
 (2, 10): Int64Index([13], dtype='int64')}

感谢@jezrael提示避免使用新专栏来提高绩效：

group_diff = df.sort_values("val")\
               .groupby("group_number")["val"]\
               .diff()\
               .gt(max_distance)\
               .cumsum()

grouped = df.groupby(["group_number", group_diff])

Answer 2

所以您想将 val 中差值为 1 或更接近的值组合在一起？

你可以做的一件事：

假设您有十进制数，您可以按四舍五入的值对它们进行分组，这意味着您可以使用 df.round 将它们分组到最接近的指定小数位，例如将它们四舍五入到最接近的整数：

df.groupby(df["val"].round(0))

因为你有整数，你可以做的是将 val 除以 2，所以以前相差 1 的值现在相差 0.5。现在你用上面的函数把它们四舍五入到最接近的整数，你就可以这样分组了！

顺便说一句，我不认为这是一个完整的答案，它只是对该主题的一个建议，任何发现这个问题的人都会很感兴趣

Python pandas - 如何对关闭元素进行分组

2 个答案: