Question

创建一些测试数据：

import pandas as pd
import numpy as np

ID = pd.DataFrame(np.random.randint(0,1000000,size=(100, 1)), columns=['ID'])
Prob = pd.DataFrame(np.random.randint(0, 100,size=(100, 1)), columns=['Probability'])/100


cuts = [{'flag': 'L', 'cut': 44},
         {'flag': 'M', 'cut': 31},
         {'flag': 'H', 'cut': 25}]

cuts = pd.DataFrame(cuts)

df = pd.concat([ID.reset_index(drop=True), Prob], axis=1)
df = df.sort_values(by=['Probability'])
df["flag"] = np.nan

我有两个我正在使用的数据集，一个是来自预测模型的概率列表，另一个是根据给定列表的长度计算的切割点列表。我想找到一种有效的方法将这些值分配给df的“flag”列。

对于此示例，前44行将被指定为“L”，接下来的31行将被指定为“M”，最后25行将被指定为“H”

我的环境有更多不同的标志值和数百万行但是为了简单起见，我在示例中使用了100行和3个标志。

如何使用“下一个x行数”而不是索引或其他参考键来分配这些标志？

Answer 1

使用repeat：

df['flag'] = cuts['flag'].repeat(cuts['cut']).values

输出：

        ID  Probability flag
1   803927         0.02    L
50  356764         0.03    L
52  132415         0.03    L
28  699693         0.03    L
20  296581         0.03    L
.
.
.
76  236620         0.97    H
70   56385         0.99    H
92  205281         0.99    H
75  804810         0.99    H
29  773553         0.99    H

如何根据该组中的行数分配列值

1 个答案: