将数字数据分组为二进制范围
将数字数据分组为二进制范围
提问于 2018-05-12 01:57:27
这是我的原始数据：
fi_diameter ever_percent
0 -1.000000 0.00
1 -0.694212 0.00
2 -0.499782 0.00
3 -0.249749 0.00
4 -0.000000 0.00
5 0.249822 0.00
6 0.500218 0.00
7 0.749038 0.00
8 0.985645 0.00
9 1.251539 0.00
10 1.498179 0.00
11 2.122177 0.78
12 2.000000 3.70
13 2.251539 6.23
14 2.498179 8.66
15 2.746616 10.79
16 3.000000 12.13
17 3.251539 11.93
18 3.506353 10.78
19 3.756331 8.55
20 3.988504 5.90
21 4.237864 4.34
22 4.506353 2.89
23 5.011588 2.84
24 5.506353 1.88
25 5.965784 1.65
26 6.965784 2.49
27 7.965784 1.33
28 7.965784 3.13我想将我的数据更改为这种类型：
1-2 4.48
2-3 37.81
3-4 37.16
4-5 7.23
5-6 6.37
6-7 2.49
7-8 4.46我试着使用“群比”的熊猫，但它并没有把数据转换成我想要的那样。
我如何得到这个输出？
回答 2
Stack Overflow用户
回答已采纳
发布于 2018-05-12 02:21:50
- 过滤掉1以下的值
- 使用
pd.cut和binfi_diameter - 使用禁用的标签在
ever_percent上进行分组和和
df = df.query('fi_diameter >= 1')
grouper = pd.cut(
df['fi_diameter'],
bins=[1, 2, 3, 4, 5, 6, 7, 8],
labels=['1-2', '2-3', '3-4', '4-5', '5-6', '6-7', '7-8']
)
df.groupby(grouper).ever_percent.sum().reset_index()
fi_diameter ever_percent
0 1-2 3.70
1 2-3 38.59
2 3-4 37.16
3 4-5 7.23
4 5-6 6.37
5 6-7 2.49
6 7-8 4.46以下是对任何上限的概括。
mx = int(np.ceil(df['fi_diameter'].max()))
rn = np.arange(1, mx + 1)
df = df.query('fi_diameter >= 1')
grouper = pd.cut(
df['fi_diameter'],
bins=rn,
labels=[
str(i) + '-' + str(j) for i, j in zip(rn, rn[1:])
]
)
df.groupby(grouper).ever_percent.sum().reset_index()
fi_diameter ever_percent
0 1-2 3.70
1 2-3 38.59
2 3-4 37.16
3 4-5 7.23
4 5-6 6.37
5 6-7 2.49
6 7-8 4.46Stack Overflow用户
发布于 2018-05-12 03:42:27
这会有用吗？
bins = [1,2,3,4,5,6,7,8]
data['bins'] = pd.cut(data.fi_diameter, bins=bins, labels=['1-2', '2-3', '3-4', '4-5', '5-6', '6-7', '7-8'])
df = data.groupby(['bins']).sum()
df = df.drop('fi_diameter', axis=1)
df
ever_percent
bins
1-2 3.70
2-3 38.59
3-4 37.16
4-5 7.23
5-6 6.37
6-7 2.49
7-8 4.46页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50302228
复制相关文章
相似问题
腾讯云开发者
