Pandas 按连续数字分组

Question

我正在处理这样的 DataFrame：

n_days    probability
 0            0.01
 17           0.1
 18           0.11
 19           0.12
 40           0.2
 41           0.21

我想对连续数字进行分组并获得每组的平均概率，如下所示：

n_days     mean_probability
  0           0.01
 17-19        0.11
 40-41        0.205

n_days上的格式不太相关。

我试过类似的东西：

df['diff_days'] = df.n_days - df.n_days.shift()

接着：

df.diff_days.eq(1)

这带来了这个 boolean：

n_days    probability   bool_eq
 0            0.01       False
 17           0.1        False
 18           0.11       True
 19           0.12       True       
 40           0.2        False
 41           0.21       True

这似乎是一个进步，但我不知道如何跟进。 每个False将是每个组的开始，但我将如何抓住整个组？ 任何帮助，将不胜感激。 谢谢。

Answer 1

您可以使用pd.cut + DataFrame.groupby ：

mean_probability=df.groupby(pd.cut(df.n_days,len(df)//2)).probability.mean()

---

n_days
(-0.041, 13.667]    0.010
(13.667, 27.333]    0.110
(27.333, 41.0]      0.205
Name: probability, dtype: float64

Answer 2

您可以对pd.cut箱进行分组。 请注意，每个 bin 从但不包括第一个值到最后一个值，例如 (16-19] 等价于 [17-19]，其中列由整数组成。

bins = [-1, 0, 16, 19, 39, 41]
>>> df.groupby(
        pd.cut(df['n_days'], bins))['probability'].mean().dropna()
n_days
(-1, 0]     0.010
(16, 19]    0.110
(39, 41]    0.205
Name: probability, dtype: float64