我有以下具有百分位数的数据框，我想将0-9之间的值分配给各自的百分位数。
这是输入：
a
1 0.3038
2 0.0572
3 0.1153
4 0.2168
5 0.5688
6 0.6291
7 0.9416
8 0.7438
9 0.2242
10 0.5662
这是理想的输出：
a b
1 0.3038 3
2 0.0572 0
3 0.1153 1
4 0.2168 2
5 0.5688 5
6 0.6291 6
7 0.9416 9
8 0.7438 7
9 0.2242 2
10 0.5662 5
另外，如果列中的值为＆＃39; a＆＃39;是1.00我想返回值9。 例如：
a b
1 1.0000 9
感谢您的帮助。
答案 0 :(得分：3)
更新了解决方案
感谢@Peter Leimbigler在评论中提出以下建议，以确保正确处理1.0映射到9的要求：
np.floor(df['a']*10).replace({10:9})
或者，坚持上一个解决方案中存在的clip_upper()想法：
np.floor(df.clip_upper(0.9) * 10).astype(int)
0.9实际上可以是任意数字[0.9, 1)，并且可以按预期工作。之前的解决方案中的问题是此处使用了1，这意味着精确1.0的值未向下舍入。
我将保留下面的原始解决方案，因为它已被OP接受，但正如@Peter Leimbigler指出的那样，它没有正确处理1.0 - ＆gt; 9特例。
以前的解决方案
如果我理解正确：
df['b'] = np.floor(df.clip_upper(1) * 10).astype(int)
与问题和结果相同的结果给出了关于正好为1的数字的警告。
a b
1 0.3038 3
2 0.0572 0
3 0.1153 1
4 0.2168 2
5 0.5688 5
6 0.6291 6
7 0.9416 9
8 0.7438 7
9 0.2242 2
10 0.5662 5