如何为熊猫数据框中的一组行分配组号？

Question

数据框具有一个时间列，该列的int值从零开始。 我想将数据帧分为100组（例如），其中步骤为ts = df['time'].max()/100 。 一种简单的方法是测试'time'列的每个值是否大于t and小于t+ts ，其中t是一个np.linspace向量，该向量从0开始并在df['time'].max() 。

我的数据框如下所示：

df.head()
   0  1  2           3      time
0  1  1  1  1130165891  59559371
1  2  1  1  1158784502  88177982
2  2  1  1  1158838664  88232144
3  2  1  1  1158838931  88232411
4  2  1  1  1158839132  88232612

Answer 1

您可以使用pd.cut生成组：

df.groupby(pd.cut(df['time'], 2)).mean()
Out: 
                            0  1  2           3      time
time                                                     
(59530697.759, 73895991.5]  1  1  1  1130165891  59559371
(73895991.5, 88232612]      2  1  1  1158825307  88218787

由于数据集非常小，因此只有2个组，并且最少开始。 您可以更改组数。 除了传递组数外，您还可以传递断点（使用不带np.linspace的传递点）。

df.groupby(pd.cut(df['time'], [0, 6*10**7, np.inf], include_lowest=True)).mean()
Out: 
                 0  1  2           3      time
time                                          
[0, 60000000]    1  1  1  1130165891  59559371
(60000000, inf]  2  1  1  1158825307  88218787

在两个示例中，我均采用了均值的方法来向您展示其工作原理。 您可以对groupby对象使用其他方法。