用于特征工程的分组和分箱数据答案

【问题标题】：Grouping and binning data for feature engineering用于特征工程的分组和分箱数据
【发布时间】：2019-12-16 06:19:36
【问题描述】：

我很难将我的数据划分到用于特征工程的箱中。数据是我想按分类数据（邻域）分组的销售价格。

我做错了什么 - 我得到了所有行的 NaN 值？谢谢！

    pricy_location = train['SalePrice'].groupby(train['Neighborhood']).mean()
    label = ['rank1', 'rank2', 'rank3', 'rank4', 'rank5']
    train['Pricy_Loc'] = pd.qcut(pricy_location, 5, labels=label, precision=2)
    train['Pricy_Loc'].head()

【问题讨论】：

能否与我们分享您的数据样本？
你能分享你的示例输入吗？
数据和更多关于它的信息在这里，抱歉没有添加它:) kaggle.com/c/house-prices-advanced-regression-techniques/data

标签： python database pandas dataframe binning

【解决方案1】：

我认为问题的出现是因为您正在创建一个按邻域分组的数据框（只有 25 行长），然后尝试使用为该数据框创建的类别并将其应用于更长的数据框，即 1460 行长。您可以简单地在火车数据框的新列中获取汇总数据，然后将结果分箱：

train['Pricy_loc'] = train.groupby('Neighborhood')['SalePrice'].transform('mean')
label = ['rank1', 'rank2', 'rank3', 'rank4', 'rank5']
train['Price_loc_cat'] = pd.qcut(train['Pricy_loc'], 5, labels=label, precision=2)

【讨论】：

是的，可以解决问题。非常感谢。在代码中应该有 groupby(train['Neighborhood'])
很高兴我能帮上忙。如果您不介意，您可以通过单击答案旁边的复选标记来接受我的答案。 :)