Pandas groupby 比切入組的最小/最大間隔

Question

我有這個數據名：

df = pd.DataFrame({'time' : [1, 1, 1, 1, 1, 2, 2, 2, 2, 2],
                   'value' : [0.10, 0.25, 0.40, 0.24, 0.20, 0.36, 0.31, 0.20, 0.32, 0.40],
                   'quantity_A' : [1, 2, 3, 1, 2, 1, 1, 2, 1, 1],
                   'quantity_B' : [2, 2, 3, 4, 2, 2, 3, 4, 1, 1]})

看起來像這樣：

   time  value  quantity_A  quantity_B
0     1   0.10           1           2
1     1   0.25           2           2
2     1   0.40           3           3
3     1   0.24           1           4
4     1   0.20           2           2
5     2   0.36           1           2
6     2   0.31           1           3
7     2   0.20           2           4
8     2   0.32           1           1
9     2   0.40           1           1

我想要這樣的東西：

   time      interval  quantity_A  quantity_B
0     1    [0.1, 0.2]           3           4
1     1    (0.2, 0.3]           3           6
2     1    (0.3, 0.4]           3           3
3     2    [0.2, 0.3]           2           4
4     2    (0.3, 0.4]           4           7

或者這將是首選，但它似乎更難做到，因為它不適用於 cut：

   time      interval  quantity_A  quantity_B
0     1           0.1           1           2
1     1           0.2           0           0
2     1           0.3           5           8
3     1           0.4           3           3
4     2           0.2           2           4
5     2           0.3           3           6
6     2           0.4           1           1

其中 dataframe 按time分組， interval取決於可指定步長的組的min和max ，在本例中為 0.1。 quantity_A和quantity_B應該根據它們所在的組和間隔來求和。我設法通過遍歷整個 dataframe 手動完成此操作，但由於我的數據集很大，因此需要很長時間。 有沒有辦法用 pandas 函數來做到這一點，比如groupby和cut以加快速度？

編輯：最小值和最大值應該是每組value的最小值和最大值。 在這種情況下，時間 == 1 的組有 min = 0.1 和 max = 0.4，對於時間 == 2 的組，min = 0.2 和 max = 0.4 如果第 2 組中有類似 0.54 的值，它將是最大值

Answer 1

不確定是否有可用的內置方法，但是，如果您在間隔上很靈活，那么它是 [0.2, 0.3) 而不是 (0.2, 0.3] 那么以下將起作用：

# one way to truncate the second decimal place
df['value'] = (df['value'] * 10).astype(int) / 10

# rename the column
df.rename(columns={'value': 'interval'}, inplace=True)

# groupby which works same as interval [x ,y) instead of (x, y]
df = df.groupby(['time', 'interval']).sum().reset_index()

Output：

    time    interval    quantity_A  quantity_B
0   1        0.1        1           2
1   1        0.2        5           8
2   1        0.4        3           3
3   2        0.2        2           4
4   2        0.3        3           6
5   2        0.4        1           1

Answer 2

每組使用pandas.cut ：

step = 0.1

(df
   .groupby('time', group_keys=False)
   .apply(lambda g:
          g.assign(interval=pd.cut(df['value'],
                                   bins=np.arange(g['value'].min(),
                                                  g['value'].max()*1.01,
                                                  step),
                                   include_lowest=True)
                  )
         )
   .drop(columns='value')
   .groupby(['time', 'interval'])
   .sum().reset_index()
)

output：

   time      interval  quantity_A  quantity_B
0     1  (0.099, 0.2]           3           4
1     1    (0.2, 0.3]           3           6
2     1    (0.3, 0.4]           3           3
3     2  (0.199, 0.3]           2           4
4     2    (0.3, 0.4]           4           7