如何基于另一列创建新的范围列（大约 50 个范围）

Question

我有一个基本上看起来像这样的数据框：

数字	价值
200	0
201	1个
202	2个
..	..
399	3个
400	4个

我想要做的是创建一个具有 3 个连续数字范围的新列：

数字	价值	范围
200	0	200 - 202
201	1个	200 - 202
202	2个	200 - 202
..	..	..
399	3个	398 - 400
400	4个	398 - 400

我可以做的一件事是创建我自己的 function 并编写如下 if 语句：

def function(number):

    if number < 203 & number > 199:
        return "200-202"
    elif number < 206 & number > 202:
        return "203-205"
    ....
    and so on

但这需要我写大约 70 个 if 语句。 我相信有一种更简单的方法可以做到这一点。 有人可以指导我吗？

Answer 1

IIUC，您可以对索引进行分层，按它分组并转换一个groupby ，它采用每组的第一个和最后一个数字。 请注意，这不会显示与您的预期结果相同的结果，因为 398 不存在（大概在... ）。

df['range'] = df['number'].groupby(df.index//3).transform(lambda x: '{}-{}'.format(x.iat[0], x.iat[-1]))

Output：

   number  value    range
0     200      0  200-202
1     201      1  200-202
2     202      2  200-202
3     399      3  399-400
4     400      4  399-400

Answer 2

您可以从数字本身确定范围。

假设您要从第一个值开始并使用 n=3 的范围，您可以使用：

n = 3
first = df['number'].iloc[0]   # initial value (could be set to 0 to have fixed ranges)
start = (df['number']
         .sub(first).floordiv(n)
         .mul(n).add(first)
         )

df['range'] = start.astype(str)+'-'+start.add(n-1).astype(str)

Output：

   number  value    range
0     200      0  200-202
1     201      1  200-202
2     202      2  200-202
3     399      3  398-400
4     400      4  398-400

Answer 3

你应该使用pd.cut

import pandas as pd
import numpy as np
x = pd.DataFrame({
    'a': range(200,400),
    'b': np.random.randint(0,10,200)
})
wks = 2
x.loc[:,'range'] = pd.cut(x.a, bins=range(x.a.min(), x.a.max()+wks, wks), right=False)
with pd.option_context('display.max_rows',5):
    display(x)

Output：

    a   b   range
0   200 7   [200, 202)
1   201 6   [200, 202)
... ... ... ...
198 398 1   [398, 400)
199 399 3   [398, 400)

之后我假设你想做类似的事情：

with pd.option_context('display.max_rows',5):
    display(x.groupby('range').b.sum())

Output：

range
[200, 202)    13
[202, 204)     6
              ..
[396, 398)     6
[398, 400)     4
Name: b, Length: 100, dtype: int32