从 Python pandas 中的空间数据创建 bin - 可能使用 groupby、diff 和 cut？

Question

我无法为以下问题想出一个好的解决方案。请分享您的想法。

我正在尝试将 X、Y 空间数据（存储桶的物理位置）映射到 pandas 中的类别 / groupby 对象。每个桶之间在物理上都有空间，因此相似桶的数据点很接近，独特的桶之间有更大的空间。桶在两个平面 X 和 Y 中物理隔开，并且在其中具有不同数量的点。为简单起见，下面仅显示 X：

df = pd.DataFrame([0,1,2,6,7,8,12,13,14],columns=['X']) 
df['Xdiff'] = df['X'].diff() #Get Diff


    X   Xdiff
0   0   NaN
1   1   1.0
2   2   1.0
3   6   4.0
4   7   1.0
5   8   1.0
6   12  4.0
7   13  1.0
8   14  1.0

我想要一个 groupby 对象，它的第一组是数据索引位置 0-2，第二组是 3-5，第三组是 6-8。如下所示

grp1.index = [0,1,2]
grp2.index = [3,4,5]
grp2.index = [6,7,8]

我尝试过 cut 和 groupby，但没有成功：

new_bins = df[ (df['Xdiff'] > 1) ] #Get larger diff values

X   Xdiff
3   6   4.0
6   12  4.0

bins = pd.cut( df['X'], new_bins['Xdiff'])

0            NaN
1            NaN
2            NaN
3            NaN
4    (6.0, 12.0]
5    (6.0, 12.0]
6    (6.0, 12.0]
7            NaN
8            NaN
Name: X, dtype: category
Categories (1, interval[float64]): [(6.0, 12.0]]

感谢您的帮助。谢谢！

更新： 我现在正在努力在 pandas 之外添加组，然后是 groupby：

groups = []
for d in df['Xdiff']:
    if d < 4:
        groups.append(i)
    else:
        i+=1
        groups.append(i)
df['bin'] =groups

df.groupby('bin').count()

然后输出： 这行得通，但我相信熊猫一定有更好的方法。谢谢！

    X   Xdiff
bin     
1   3   2
2   3   3
3   3   3

Answer 1

让我们尝试在 Xdiff 上使用布尔逻辑来创建组：

import pandas as pd

df = pd.DataFrame([0, 1, 2, 6, 7, 8, 12, 13, 14], columns=['X'])
df['Xdiff'] = df['X'].diff()
# Create Bins Based on Where Xdiff is Not 1
df['bin'] = df['Xdiff'].fillna(1).ne(1).cumsum() + 1

# Groupby on new index 'bin'
df = df.groupby('bin').agg('count')
print(df)

输出：

     X  Xdiff
bin          
1    3      2
2    3      3
3    3      3