將熊貓數據框中的值添加到列表中

Question

我有一個數據框，其中該數據框中的一列包含一年級學生的 GPA。 我想遍歷此列並將其附加到列表的列表中，所有值彼此相差在 0.4 個單位以內。 例如，如果我有值 (0.4, 0.6, 0.8, 3, 3.4)，那么我希望我的列表是 [[0.4,0.6,0.8], [3, 3.4]]。

這是我試過的代碼。

averages = [[] for w in range(len(df['GPA_year1'])//4)]

small = min(df['GPA_year1']) + 0.4

for i in range(len(averages)): 

    for y in range(len(df['GPA_year1'])):

        if small - 0.4 <= df['GPA_year1'][y] <= (small + 0.4):

            averages[i].append(df['GPA_year1'][y])

    small = small + 0.4

但是，當我在 Jupyter Notebook 中運行此代碼時，它似乎永遠運行，這讓我認為某處可能存在無限循環（？），但我不確定無限循環可能在哪里。

這是數據框

Answer 1

從您的預期結果中，我看到：

• 第一個 bin 包含[0.4 - 0.8]范圍內的元素。
• 下一個 bin 從3.0開始。

那么你：

• 不想一個側開式箱（第一箱在兩側封閉）。
• 既不想要“ëmpty bins”也不想要“相鄰范圍”（例如[0.4 - 0.8) ，然后是[0.8 - 1.2)等等。

你想要這樣的東西：

• 將上限設置為源列表中的最低元素 + 0.4 。
• 放入第一個“bin”元素 <= limit （將此列表附加到averages ）。
• 從列表中刪除這些元素。
• 當列表不為空時重復上述過程。

我還假設結果應該是一個簡單的 Python列表列表。

要獲得此結果，請嘗試以下代碼：

averages = []
src = df['GPA_year1'].sort_values()
while not src.empty:
    limit = src.min() + 0.4
    currBin = src[src <= limit]
    averages.append(currBin.to_list())
    src.drop(currBin.index, inplace=True)

這段代碼應該運行得更快，因為：

• 由於sort_values()不需要內部循環。
• 在單個指令中選擇當前 bin 的所有值。
• “已使用”值的刪除也在單個指令中執行。

對於DataFrame 中的 GPA_year1列，此代碼生成：

[[0.74], [1.95, 2.18, 2.34], [3.23, 3.23, 3.44, 3.49], [3.64, 3.78, 3.82]]

關於您的代碼的另一條評論：

averages = [[] for w in range(len(df['GPA_year1'])//4)]

看起來很奇怪。 你怎么知道輸出列表將只包含 4 個列表？ 偶然地，您的示例數據就是這種情況，但請考慮以下情況：

• 值的一部分將是“非常糟糕”（所有周圍的一些下限）。
• 值的第二部分將是“非常好”（各地一些上限）。

那么“垃圾箱”的數量將僅為2 （而不是 4）。

Answer 2

這是我的方式：假設 df 是您的數據框：

GPA_year1 = df['GPA_year1'].tolist()
GPA_year1 = [3.82, 3.64, 1.95, 3.44, 2.18, 3.49, 3.78, 3.23, 0.74, 3.23, 0.74, 3.23, 2.34]

對列表進行排序：

GPA_year1.sort()

用第一個元素初始化平均值列表

averages = [[GPA_year1[0]]]

循環遍歷您的列表：

for x, y in zip(GPA_year1, GPA_year1[1:]):
    if y - x <= 0.4:
        averages[-1].append(y)
    else:
        averages.append([y]) #if not create a new sublist
print(averages)
# [[0.74, 0.74], [1.95, 2.18, 2.34], [3.23, 3.23, 3.23, 3.44, 3.49, 3.64, 3.78, 3.82]]