按熊貓中的值對數據進行分類

Question

我有一個形式的pandas.DataFrame

low_bound   high_bound   name
0           10           'a'
10          20           'b'
20          30           'c'
30          40           'd'
40          50           'e'

我的pandas.Series 很長。 pandas.Series形式：

value
5.7
30.4
21
35.1

我想給該Series的每個值對應於low_bound / high_bound / name DataFrame的對應名稱。 這是我的預期結果：

value         name
5.7           'a'
30.4          'd'
21            'c'
35.1          'd'

確實，5.7名稱是'a'，因為5.7介於0和10之間。

什么是最有效的代碼？ 我知道我可以通過遍歷Series來解決問題，但是也許有一個更快的矢量解決方案正在使我逃脫。

最后請注意，我的范圍可以是自定義的，也可以是不規則的。 在此，出於示例的目的，它們是常規的。

Answer 1

熊貓有一種叫做cut的方法，它將實現您想要的功能：

import pandas as pd

data = [{"low": 0, "high": 10, "name": "a"},
        {"low": 10, "high": 20, "name": "b"},
        {"low": 20, "high": 30, "name": "c"},
        {"low": 30, "high": 40, "name": "d"},
        {"low": 40, "high": 50, "name": "e"},]

myDF = pd.DataFrame(data)

#data to be binned
mySeries = pd.Series([5.7, 30.4, 21, 35.1])

#create bins from original data
bins = list(myDF["high"])
bins.insert(0,0)

print pd.cut(mySeries, bins, labels = myDF["name"])

這將為您提供以下內容，然后您可以將其放回某些數據框中，或者但是要保留數據：

0    a
1    d
2    c
3    d
dtype: category
Categories (5, object): [a < b < c < d < e]

根據垃圾箱的不規則程度（以及“自定義/不規則”的確切含義），您可能不得不求助於該系列的循環。 我想不出要為您處理此問題的內置組件，特別是考慮到它取決於垃圾箱中不規則的程度/類型。

明智地循環播放，如果您有一個上下限，則不管“規則性”如何，此方法都將起作用：

for el in mySeries:
    print myDF["name"][(myDF["low"] < el) & (myDF["high"] > el)]

我很欣賞您可能不想遍歷龐大的序列，但是至少我們沒有手動索引到數據幀中，這可能會使事情變得更慢

Answer 2

你可以這樣做

buckets = [0, 10, 20, 30, 40]
buckets_name = ['a', 'b', 'c', 'd']

pd.cut(your_series, buckets , labels = buckets_name)