Question

我有一个数据框，只有很少几列具有合并值。这些合并值是使用pd.cut()选项制成的。列的数据类型由;

给出

group_credit                                  object
group_transaction                             object
 dtype: object

如上所示，有两列具有合并值，为方便起见，我将它们转换为字符串。然后我试图将几行子集化；

temp=fraud_data[fraud_data['group_transaction']=='[20,23)']
temp

但是我什么也没得到。该值出现在数据框中，如下所示：

fraud_data.head(4)

此代码给出了第一行，如下所示：

group_credit| group_transaction
[1500,2000)    [20,23)

我能在如何将已转换为字符串的合并值的子集上获得帮助吗？

Answer 1

无需将它们转换为字符串；将其保留为category。

只有一个Interval时，将其设置为索引通常很有意义。然后，您可以使用.loc通过选择该间隔内的任何值来对间隔进行切片：

import pandas as pd
import numpy as np

np.random.seed(12)
df = pd.DataFrame({'data': np.random.randint(1,10,15)})
df['my_bin'] = pd.cut(df.data, bins=3)

                           # Could use anything within the bin.
df.set_index('my_bin').loc[1.14123123]
#                data
#my_bin              
#(0.992, 3.667]     2
#(0.992, 3.667]     3
#(0.992, 3.667]     1
#(0.992, 3.667]     2
#(0.992, 3.667]     3
#(0.992, 3.667]     1

无需设置索引，就可以结合列表理解使用item in Interval来生成布尔掩码，该布尔掩码可以很容易地扩展到在多个Interval列上进行选择：

df[[1.14123123 in x for x in df.my_bin]]

由于您有多个时间间隔，因此可以使用label。如果您愿意，这是有道理的，因此您的标签应为整数0-9。您可以提供自己的标签，也可以使用False返回整数标签。（在这里，我将两个类别标签都留在图中以供说明，但实际上，您只需要一个。）

df['my_bin2'] = pd.cut(df.data, bins=3, labels=False)
df[df.my_bin2 == 0]
#    data          my_bin  my_bin2
#1      2  (0.992, 3.667]        0
#2      3  (0.992, 3.667]        0
#5      1  (0.992, 3.667]        0
#7      2  (0.992, 3.667]        0
#10     3  (0.992, 3.667]        0
#12     1  (0.992, 3.667]        0

我们返回相同的子集，并看到标签已排序（0标签是具有最小值的时间间隔）。

或者，pandas._libs.interval.Interval具有类别代码，使您可以保留时间间隔及其所有功能，但可以根据类别代码进行选择。与上述类似，您需要了解哪些代码选择哪些垃圾箱：

df[df.my_bin.cat.codes == 0]
#    data          my_bin
#1      2  (0.992, 3.667]
#2      3  (0.992, 3.667]
#5      1  (0.992, 3.667]
#7      2  (0.992, 3.667]
#10     3  (0.992, 3.667]
#12     1  (0.992, 3.667]

选择熊猫中的绑定值

1 个答案: