根据值对熊猫数据框中的数据进行分类

Question

我经常需要对一系列数字进行分类：

例如：

|Num| cat|
| 2 |low |
| 7 | med|
| 10|high|

我想要什么！我想构建两个函数。

功能1. - 接受3个参数： 参数1：数据框名称 参数 2：数据框中的列名 参数3：多个类别，例如我想要的（5）。

然后，此函数将根据我想要 5 个类别的事实计算出最大值、最小值和返回值范围：(1,2),(3,4),(5,6),(7,8 ),(9,10)。

我正在考虑类似 (max - min) / num 类别的东西，但它会以某种方式计算出这些范围。

然后函数 1 将返回范围 (1,2),(3,4),(5,6),(7,8),(9,10)。

函数 2.- 将接受 3 个参数： 参数1：数据框名称 参数 2：pandas 数据框中的列名（与函数 1 中的相同） 参数 3。您要在数据框中创建的新列的名称。 参数 4. 来自功能 1 的一组范围。 参数 5. 以及类别列表，['low','med','high'] 等

然后该函数将创建包含类别的新列。

Answer 1

我想你在找cut:

In [11]: s = pd.Series(np.random.randint(1, 11, (10, )))

In [12]: s
Out[12]:
0     7
1    10
2     5
3     8
4     5
5     4
6     3
7     3
8     4
9     1
dtype: int64

In [13]: cat = pd.cut(s, [0, 9, 10])

In [14]: cat
Out[14]:
  (0, 9]
 (9, 10]
  (0, 9]
  (0, 9]
  (0, 9]
  (0, 9]
  (0, 9]
  (0, 9]
  (0, 9]
  (0, 9]
Levels (2): Index(['(0, 9]', '(9, 10]'], dtype=object)

In [15]: cat.labels
Out[15]: array([0, 1, 0, 0, 0, 0, 0, 0, 0, 0])

你要么只是映射标签：

In [16]: map({0: 'low', 1: 'high'}.get, cat.labels)
Out[16]: ['low', 'high', 'low', 'low', 'low', 'low', 'low', 'low', 'low', 'low']

或者只是更改级别（名称）：

In [17]: cat.levels = ['low', 'high']

In [18]: cat
Out[18]:
  low
 high
  low
  low
  low
  low
  low
  low
  low
  low
Levels (2): Index(['low', 'high'], dtype=object)

您可以将其设置为 DataFrame 的系列或列。

其实你可以直接使用labels参数来获取这个：

In [21]: pd.cut(s, [0, 9, 10], labels=['low', 'high'])