如何根据来自另一列的值在 pandas 数据框列中创建新值答案

【问题标题】：How to create new values in a pandas dataframe column based on values from another column如何根据来自另一列的值在 pandas 数据框列中创建新值
【发布时间】：2018-03-14 19:16:05
【问题描述】：

我有一个从 csv 文件中读取的值的 pandas 数据框。我有一个标有“SleepQuality”的列，值在 0.0 到 100.0 之间浮动。我想创建一个标记为“SleepQualityGroup”的新列，其中原始列 btw 0 - 49 中的值在新列中的值为 0， 50 - 59 = 1 , 60 - 69 = 2, 70 - 79 = 3, 80 - 89 = 4，和 90 - 100 = 5

为了做到这一点，最好的公式是什么？我被困在识别每个范围内的所有值并分配给新值所需的逻辑上。

下面新的“SleepQualityGroup”列中的输出示例。

SleepQuality    SleepQualityGroup
80.4              4
90.1              5
66.4              2
50.3              1
86.2              4
75.4              3
45.7              0
91.5              5
61.3              2 
54                1
58.2              1

【问题讨论】：

标签： python pandas numpy dataframe

【解决方案1】：

这基本上是一个分箱操作。因此这里可以使用两个工具。

使用np.searchsorted -

bins = np.arange(50,100,10)
df['SleepQualityGroup'] = bins.searchsorted(df.SleepQuality)

使用np.digitize -

df['SleepQualityGroup'] = np.digitize(df.SleepQuality, bins)

样本输出 -

In [866]: df
Out[866]: 
    SleepQuality  SleepQualityGroup
0           80.4                  4
1           90.1                  5
2           66.4                  2
3           50.3                  1
4           86.2                  4
5           75.4                  3
6           45.7                  0
7           91.5                  5
8           61.3                  2
9           54.0                  1
10          58.2                  1

运行时测试-

In [921]: df
Out[921]: 
    SleepQuality  SleepQualityGroup
0           80.4                  4
1           90.1                  5
2           66.4                  2
3           50.3                  1
4           86.2                  4
5           75.4                  3
6           45.7                  0
7           91.5                  5
8           61.3                  2
9           54.0                  1
10          58.2                  1

In [922]: df = pd.concat([df]*10000,axis=0)

# @Dark's soln using pd.cut
In [923]: %timeit df['new'] = pd.cut(df['SleepQuality'],bins=[0,50 , 60, 70 , 80 , 90,100], labels=[0,1,2,3,4,5])
1000 loops, best of 3: 1.04 ms per loop

In [926]: %timeit df['SleepQualityGroup'] = bins.searchsorted(df.SleepQuality)
1000 loops, best of 3: 591 µs per loop

In [927]: %timeit df['SleepQualityGroup'] = np.digitize(df.SleepQuality, bins)
1000 loops, best of 3: 538 µs per loop

【讨论】：

你怎么这么快？
他有技巧。

【解决方案2】：

使用pd.cut，即

df['new'] = pd.cut(df['SleepQuality'],bins=[0,50 , 60, 70 , 80 , 90,100], labels=[0,1,2,3,4,5])

输出：

SleepQuality SleepQualityGroup 新 0 80.4 4 4 1 90.1 5 5 2 66.4 2 2 3 50.3 1 1 4 86.2 4 4 5 75.4 3 3 6 45.7 0 0 7 91.5 5 5 8 61.3 2 2 9 54.0 1 1 10 58.2 1 1

【讨论】：