如何从熊猫的数值数据（cdf和pdf样式）中进行概率特征工程

Question

这个问题是基于我目前的理解（有关更精确的统计术语的编辑，非常欢迎）。在我的假设中，概率是正确的术语。我想做probit_pdf和probit_cdf

probit_pdf是变量等于确定值的概率  probit_cdf是变量与值相减的概率

这是我的数据

   Id  Value  
    1   2    
    2   4    
    3   2       
    4   6     
    5   5      
    6   4      
    7   2    
    8   4     
    9   2
    10  5

为了使问题更清楚，我举几个Id的例子

probit_pdf示例，用于Id = 1： 这是预期的输出，因为Value = 2的概率是0.40（4中的10），所以probit_pdf是0.40。

probit_cdf示例，用于Id = 5： 而且由于Value >= 5的概率是0.90（9中的10），所以probit_cdf是0.90

所以我的预期输出是

Id  Value  probit_pdf   probit_cdf
1   2           0.40         0.40
2   4           0.30         0.70
3   2           0.40         0.40    
4   6           0.10         1.00
5   5           0.20         0.90
6   4           0.30         0.70
7   2           0.40         0.40
8   4           0.30         0.70
9   2           0.40         0.40
10  5           0.20         0.90

Answer 1

首先对probit_pdf使用GroupBy.transform与size并除以DataFrame的长度，对于probit_cdf，将每个值除以所有值，得到{{1 } s和除法相同：

sum