如何為熊貓數據框中的一組行分配組號？

Question

數據框具有一個時間列，該列的int值從零開始。 我想將數據幀分為100組（例如），其中步驟為ts = df['time'].max()/100 。 一種簡單的方法是測試'time'列的每個值是否大於t and小於t+ts ，其中t是一個np.linspace向量，該向量從0開始並在df['time'].max() 。

我的數據框如下所示：

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生成組：

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

由於數據集非常小，因此只有2個組，並且最少開始。 您可以更改組數。 除了傳遞組數外，您還可以傳遞斷點（使用不帶np.linspace的傳遞點）。

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

在兩個示例中，我均采用了均值的方法來向您展示其工作原理。 您可以對groupby對象使用其他方法。