对数据框中的列中的数据进行分类

Question

我的数据框中有一列数字，我想将这些数字分类为例如高、低、排除。我如何做到这一点。我一无所知，我已经尝试查看 cut 函数和类别数据类型。

Answer 1

pd.cut 的简短示例。

让我们从一些数据框开始：

df = pd.DataFrame({'A': [0, 8, 2, 5, 9, 15, 1]})

例如，我们想将数字分配给以下类别：'low' 如果数字在区间 [0, 2]，'mid' 代表 (2, 8]，'high' 代表 (8, 10]，我们排除大于 10（或小于 0）的数字。

因此，我们有 3 个带边的 bin：0、2、8、10。现在，我们可以使用 cut，如下所示：

pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True)
Out[33]: 
0     [0, 2]
1     (2, 8]
2     [0, 2]
3     (2, 8]
4    (8, 10]
5        NaN
6     [0, 2]
Name: A, dtype: category
Categories (3, object): [[0, 2] < (2, 8] < (8, 10]]

参数include_lowest=True 包括第一个区间的左端。 （如果您希望在右侧打开间隔，请使用right=False。）

区间可能不是类别的最佳名称。所以，让我们使用名称：low/mid/high:

pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True, labels=['low', 'mid', 'high'])
Out[34]: 
0     low
1     mid
2     low
3     mid
4    high
5     NaN
6     low
Name: A, dtype: category
Categories (3, object): [low < mid < high]

排除的数字 15 获得“类别”NaN。如果您喜欢更有意义的名称，可能最简单的解决方案（还有其他处理 NaN 的方法）是添加另一个 bin 和类别名称，例如：

pd.cut(df['A'], bins=[0, 2, 8, 10, 1000], include_lowest=True, labels=['low', 'mid', 'high', 'excluded'])
Out[35]: 
0         low
1         mid
2         low
3         mid
4        high
5    excluded
6         low
Name: A, dtype: category
Categories (4, object): [low < mid < high < excluded]

Answer 2

这个问题非常广泛，但文档中的这个页面可能是一个很好的起点：

http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing

或者你可以查看 numpy.where

    import numpy as np
    df['is_high'] = np.where(df.['column_of_interest'] > 5 ,1,0)