Question

我想在我的pandas数据帧的某些变量中使用pd.cut（将连续变量转换为离散变量），但我希望该范围取决于其他列。想象一下，我想要3个垃圾箱。

例如：

+------+------+------+--------+
| col1 | col2 | col3 | sector |
+------+------+------+--------+
| 4.5  | 6    | 7    | a      |
+------+------+------+--------+
| 8    | 9    | 17   | a      |
+------+------+------+--------+
| 0    | 9    | 8    | b      |
+------+------+------+--------+
| 8    | 9    | 0    | b      |
+------+------+------+--------+
| 1    | 2    | 3.5  | b      |
+------+------+------+--------+

我只想基于col1将col2和sector切成3个档，因此对于每个扇区都执行切割。这对于比较不同来源的变量非常有用。

结果将是（它组成了，不要期望它是100％准确的）：

+----------+----------+------+--------+
| col1_cut | col2_cut | col3 | sector |
+----------+----------+------+--------+
| 2        | 2        | 7    | a      |
+----------+----------+------+--------+
| 3        | 3        | 17   | a      |
+----------+----------+------+--------+
| 1        | 3        | 8    | b      |
+----------+----------+------+--------+
| 3        | 3        | 0    | b      |
+----------+----------+------+--------+
| 1        | 1        | 3.5  | b      |
+----------+----------+------+--------+

PS：之所以进行此问答，是因为我遇到了这个问题，无法找到解决自己。随意回答您自己的解决方案或进行改进我的，感谢您的反馈。

Answer 1

我认为可以缩短为

s=pd.concat([y[['col1','col2']].apply(pd.cut,bins=3,labels=False)for x, y in df.groupby('sector')])
s
Out[157]: 
   col1  col2
0     0     0
1     2     2
2     0     2
3     2     2
4     0     0

df.update(s)

Answer 2

要执行该操作，您只需：

col_add = []

sectors = df['sector'].unique()

for col in df.columns:
    if col in ['col1','col2']:
        col_add.append(col)
        df['{}_cut'.format(col)] = 0 # Initialized (not needed but I like to)
        for sector in sectors:
            df['{}_cut'.format(col)][df['sector'] == sector] = pd.cut(df[col][df['sector'] == sector], 3, labels=False)

df.drop(col_add, axis = 1, inplace = True) # Remove old cols

熊猫“切”基于其他专栏

2 个答案: