我有一个数据集,其中“类型”列基本上是形状,与此相对应的是,“体积”列由该形状的体积组成。
现在我需要执行以下任务:
输入:
Type Volume
Cylinder 100
Square 300
Cylinder 200
Oval 100
Square 320
Cylinder 150
Oval 600
Round 1000
Square 900
Round 1500
输出:
Type Volume Bin
Cylinder 100 1
Cylinder 150 1
Cylinder 200 2
Oval 100 1
Oval 600 3
Round 1000 1
Round 1500 2
Square 300 1
Square 320 1
Square 900 3
垃圾箱如下:
1.Cylinder-> Bin1(100-200),Bin2(201-300)....
2。椭圆-> Bin1(100-200),..... Bin3(500-600).... ....
代码:
grouped=df_dim.groupby('Type', as_index=False)
def test(group):
return group.reset_index()
def group_vol(group):
groupedVol =
group.groupby(pd.cut(group["Target_BrimVol"],
np.arange(0,5000,200)),as_index=False)
return groupedVol.apply(test)
gr = grouped.apply(group_vol)
print(gr)
答案 0 :(得分:1)
我认为您可以尝试以下代码。
testdf = df.groupby('Type',as_index=False).apply(lambda x: x.groupby(pd.cut(x["Vol"],np.arange(x["Volume"].min(),x["Volume"].max(),200)),as_index=False).apply(test))
这里发生的是,第一个groupby
基本上将Dataframe分为“类型”类别,然后您要根据范围对其进行分组。为此,您可以使用pd.cut
函数使用lambda函数再次将其分组,以根据您的范围对间隔进行小截割。在这种情况下,我只是采用最大值和最小值并将其以200的间隔进行切割。在此之后,如果您想将输出合并回一起以再次形成一个Dataframe,请使用另一个应用将它们合并回去。
像这样
def test(group):
#Write your function here. Whatever you want to perform.
return group.merge(group)
我正在使用as_index=False
在这里重置索引,以便按照新索引重新排列数据帧。
希望这会有所帮助。
编辑:-
对于垃圾箱,您不必担心,因为每个groupby
都会创建一个新索引,您可以将其用于您的目的。就像
Index1 Index2 Type Volume
0 0 Cylinder 100
0 0 Cylinder 140
0 1 Cylinder 250
1 0 Oval 154
1 4 Oval 999
2 1 Circle 328