Question

我是Python的新手，我正在研究感兴趣的数据集，以帮助我进行学习，尤其是试图更好地理解熊猫和numpy。

我的数据框有超过一百万行，我正在尝试创建一个自定义存储桶，以便可以找到更多有趣的见解。我的数据集如下所示：

我的数据表：

Price    Postal_area    Purchase_Month
123000   SE22           2018_01
240000   GU22           2017_02
.
.
.

我想将数据分组为<100000、200k-300k，300k-500k，500k +的价格段，然后我想按价格段，月份和邮政地区进行分组。我为创建自定义价格时段而感到困惑。

我试图做的是创建一个自定义函数：

def price_range(Price):
    if (Price <= 100000):
        return ("Low Value")
    elif (100000 < Price < 200000):
        return ("Medium Value")
    elif (200001 < Price < 500000):
        return ("Medium High")
    elif (Price > 500001):
        return ("High")
    else:
        return ("Undefined")

然后，我在数据集中创建一个新列，如下所示：

for val in (my_table.Price):
    my_table["price_range"] = (price_range(val))

我应该能够从中创建一个agg，但它的过程极其缓慢-已经在一百万个左右的行上运行了30多分钟，并且仍在运行！

我曾尝试使用numpy和pandas（数据透视表，groupby，lambdas）创建自定义存储桶，但无法弄清楚如何合并自定义存储桶逻辑。

我查看了其他一些答案，例如以下答案，但它没有满足我的特殊自定义需求： Efficient way to assign values from another column pandas df

任何帮助，不胜感激！

Answer 1

使用apply函数将自定义函数price_range应用于my_table

my_table['price_range']=my_table['Price'].apply(price_range)

如果要使垃圾箱的距离相等：

my_table['price_range']=pd.cut(my_table['Price'], bins = 4, labels = ['Low Value', 'Medium Value', 'Medium High', 'High'])

Answer 2

您可以尝试使用pd.cut来削减范围内的值并指定要分配内容的标签 df

    Price
0   12300
1   24000
2   232455
3   343434343


pd.cut(df.Price,[0,100000,200000,500000,np.inf],labels=['Low_value','Medium Value','High','Undefined'])

出局：

0    Medium Value
1            High
2            High
3       Undefined
Name: Price, dtype: category
Categories (4, object): [Low_value < Medium Value < High < Undefined]

Python自定义聚合-需要更有效的解决方案

2 个答案: