Pandas DataFrame group-by 索引匹配列表 - 索引分別小於 list[i+1] 和大於 list[i]

Question

我有一個 DataFrame Times_df，時間在單個列中，第二個 DataFrame End_df 具有按組名索引的每個組的特定結束時間。

Times_df = pd.DataFrame({'time':np.unique(np.cumsum(np.random.randint(5, size=(100,))), axis=0)})

End_df = pd.DataFrame({'end time':np.unique(random.sample(range(Times_df.index.values[0], Times_df.index.values[-1]), 10))})
End_df.index.name = 'group'

我想為 Times_df 中的所有時間添加一個組索引，該索引小於或等於 End_df 中的每個連續結束時間但大於前一個

我現在只能用一個循環來做這件事，這需要永遠;(

lis = []
i = 1
for row in Times_df['time'].values:
while i <= row:
    lis.append((End_df['end time']==row).index)
    i +1

然后我將列表 lis 作為新列添加到 Times_df

Times_df['group']=lis 

可悲的是仍然使用循環的另一個解決方案是：

test_df = pd.DataFrame()
for group, index in  End_df.iterrows():
    test = count.loc[count.index<=index['end time]][:]
    test['group']=group
    test_df = pd.concat([test_df,test], axis=0, ignore_index=True)

Answer 1

我認為您正在尋找的是pd.cut將您的價值觀分類到組中。

bins = [0, 3, 10, 20, 53, 59, 63, 65, 68, 74, np.inf]
groups = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

Times_df["group"] = pd.cut(Times_df["time"], bins, labels=groups)

print(Times_df)
    time    group
0   2   0
1   3   0
2   7   1
3   11  2
4   15  2
5   16  2
6   18  2
7   22  3
8   25  3
9   28  3