按间隔计数组

Question

我对如何在 Python Pandas 中获得简单的解决方案有点迷茫

我有一个包含 3 列的数据框：

A  B  val
P1 P2 12
P1 P2 14
P2 P2 18
P2 P1 17
P1 P3 15
P1 P3 16
P1 P3 13

我想按 A 和 B 分组，以特定间隔计算值，在另一个数据框中手动定义：

MIN MAX
12  12
13  15
16  17

结果应该是 interval 和 rest 上的计数，如下所示：

A  B  V_12_12 V_13_15 V_16_17 V_OTHERS
P1 P2 1       1       0       0        
P2 P2 0       0       0       1
P2 P1 0       0       1       0       
P1 P3 0       2       1       0

我想动态地得到结果，如果我改变间隔，删除或添加其他它应该改变最终数据框中的列名或数字。

感谢帮助。

Answer 1

使用pd.cut尝试这样的事情：

df = pd.read_clipboard()
df2 = pd.read_clipboard()

df['labels']=pd.cut(df['val'], 
                    bins=[0]+df2['MAX'].tolist()+[np.inf], 
                    labels = [f'V_{s}_{e}' for s, e in zip(df2['MIN'], df2['MAX'])]+['V_OTHERS'])

df.groupby(['A','B','labels'])['labels'].count().unstack().reset_index()

输出：

labels   A   B  V_12_12  V_13_15  V_16_17  V_OTHERS
0       P1  P1        0        0        0         0
1       P1  P2        1        1        0         0
2       P1  P3        0        2        1         0
3       P2  P1        0        0        1         0
4       P2  P2        0        0        0         1
5       P2  P3        0        0        0         0

Answer 2

在下面调用第二个数据框limits：

diffs = np.subtract.outer(df["val"].to_numpy(),
                          limits.to_numpy()).reshape(len(df), -1)
from_min, from_max = diffs[:, ::2], diffs[:, 1::2]

counts = (pd.DataFrame((from_min >= 0) & (from_max <= 0))
            .groupby([df["A"], df["B"]], sort=False).sum())

counts.columns = limits.astype(str).agg("_".join, axis=1).radd("V_")

counts["V_OTHERS"] = df.groupby(["A", "B"]).count().sub(counts.sum(axis=1), axis=0)

counts = counts.reset_index()

• 获取“val”列值与每个最小和最大限制的“交叉”差异

  • 外部减法将给出形状“(len(df), *limits.shape)”
  • 使其在最后 2 个维度变平，使其成为 2D 以添加更多列

• 区分 from_min 和 from_max 的差异

  • 检查值是否落在范围之间：大于最小值，小于最大值

• 按“A”和“B”对这些进行分组，然后将这些 True/False 相加以进行计数

• 从限制的内容中提取新列的名称

  • 使用“_”连接的行式聚合，并从右侧添加“V_”

• 最后计算余数

  • 查看 A 和 B 对，并从中减去预先计算的计数

• 并重置索引以将石斑鱼移动到列

要得到

>>> counts
    A   B  V_12_12  V_13_15  V_16_17  V_OTHERS
0  P1  P2        1        1        0         0
1  P2  P2        0        0        0         1
2  P2  P1        0        0        1         0
3  P1  P3        0        2        1         0

Answer 3

尝试这个：

def find_group(val):
  if 12 <= val <= 12:
    return "V_12_12"
  elif 13 <= val <= 15:
    return "V_13_15"
  elif 16 <= val <= 17:
    return "V_16_17"
  else:
    return "V_OTHERS"

df = pd.DataFrame({
    'A':['P1','P1','P2','P2','P1','P1','P1'],
    'B':['P2','P2','P2','P1','P3','P3','P3'],
    'val':[12,14,18,17,15,16,13]
})
df["group"]=df["val"].apply(find_group)

result=df.groupby(["A","B","group"]).count().unstack(fill_value=0).stack()

result.unstack()