如何在最小值和最大值之间分类/标记熊猫数据框

Question

我想要一个函数，例如get_cluster(df, numspan)，给定一个 pandas DataFrame df 和一个整数 numspan 作为输入，返回一个标签（数字）的 DataFrame df_cluster，表示根据 max 和 min 之间的差异计算的子集中的成员资格DataFrame 除以 numspan。

换句话说：

1. 取df，例如1, 2, 3, 4, 5（不一定是有序的，可能是实数）
2. 获取最大5 和最小1
3. 计算差值5 - 1 = 4，表示主集宽度
4. 将差值除以 numspan，例如2 获取子集单元宽度 2
5. 然后为 DataFrame 的每个项目检查它属于哪个子集（规则是 L1 其中 L1 和 L2 是子集的下限和上限）
6. 返回一个代表相关子集的数字，因此最终的df_cluster为1, 1, 2, 2, 2（规则包含与最大上限对应的最后一个标签）

我的代码（还有一个例子，见下图）：

import pandas as pd
df = pd.DataFrame({'A':pd.Series([4, 8, 2, 3])})

def get_cluster(df, numspan):
     min = df.min() # e.g. 2
     max = df.max() # e.g. 8
     span = max - min # e.g. 6
     subset_unit = span/numspan # e.g. 6/3 = 2 -> every subset is 2 width

     # code I need...

     return df_cluster

df['Cluster'] = get_cluster(df, 3)
df
   A  Cluster
0  4        2
1  8        3 <= included by rule
2  2        1
3  3        1

图片中：

非常感谢您的帮助和时间，

吉尔伯托

更新

感谢@Boud，快速而优雅的解决方案是：

numbins = 3
labelnames = list(range(1, numbins +1))
df['Cluster'] = pd.cut(df['A'], bins = numbins, labels = labelnames, right=False, include_lowest=True)

Answer 1

这称为pd.cut，其中bins= 参数将允许您在问题中设置numspan 的数字。

默认返回 bin 范围。 labels=False 是一个可用于获取 bin 编号的参数。