- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我的问题和上一个一样:
Binning with zero values in pandas
但是,我仍然想在分位数中包含 0 值。有没有办法做到这一点?换句话说,如果我有 600 个值,其中 50% 是 0,其余的值在 1 到 100 之间,我将如何对分位数 1 中的所有 0 值进行分类,然后对其余的非零值进行分类在分数标签 2 到 10 中(假设我想要 10 个分数)。我可以将 0 转换为 nan,将剩余的非 nan 数据qcut 为 9 个分位数(1 到 9),然后将 1 添加到每个标签(现在是 2 到 10)并手动将所有 0 值标记为分位数 1?即使这也很棘手,因为在我的数据集中,除了 600 个值之外,我还有另外几百个可能已经是 nan 在我将 0 转换为 nan 之前。
14 年 1 月 26 日更新:
我想出了以下临时解决方案。不过,这段代码的问题是,如果高频值不在分布的边缘,那么它会在现有的一组 bin 中间插入一个额外的 bin,并把所有东西都扔掉一点(或很多)。
def fractile_cut(ser, num_fractiles):
num_valid = ser.valid().shape[0]
remain_fractiles = num_fractiles
vcounts = ser.value_counts()
high_freq = []
i = 0
while vcounts.iloc[i] > num_valid/ float(remain_fractiles):
curr_val = vcounts.index[i]
high_freq.append(curr_val)
remain_fractiles -= 1
num_valid = num_valid - vcounts[i]
i += 1
curr_ser = ser.copy()
curr_ser = curr_ser[~curr_ser.isin(high_freq)]
qcut = pd.qcut(curr_ser, remain_fractiles, retbins=True)
qcut_bins = qcut[1]
all_bins = list(qcut_bins)
for val in high_freq:
bisect.insort(all_bins, val)
cut = pd.cut(ser, bins=all_bins)
ser_fractiles = pd.Series(cut.labels + 1, index=ser.index)
return ser_fractiles
最佳答案
问题是 pandas.qcut 选择 bin/quantiles 以使每个都有相同数量的记录,但是具有相同值的所有记录必须保留在相同的 bin/quantile 中(这行为符合分位数的统计定义)。
解决方案是:
1 - 使用具有 this fix 的 pandas >= 0.20.0 .他们添加了一个选项 duplicates='raise'|'drop'
来控制是在重复的边缘上提升还是丢弃它们,这将导致 bin 比指定的少,而有些更大(包含更多元素)比其他人。
2 - 减少 分位数的数量。更少的分位数意味着每个分位数更多的元素
3 - 使用 DataFrame.rank(method='first') 对您的数据进行排名。排名为数据框中的每个元素(排名)分配一个唯一的值,同时保持元素的顺序(相同的值除外,它们将按照它们在数组中出现的顺序进行排名,参见 method='first')
例子:
pd.qcut(df, nbins) <-- this generates "ValueError: Bin edges must be unique"
然后改用这个:
pd.qcut(df.rank(method='first'), nbins)
4 - 指定一个自定义分位数范围,例如[0, .50, .75, 1.] 获得每个分位数不相等的项目数
5 - 使用 pandas.cut,根据值本身选择要均匀分布的 bin,而 pandas.qcut 选择 bin,以便每个 bin 中的记录数相同
关于python - 如何使用非唯一的 bin 边缘进行 qcut?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20158597/
bin、bin/、bin/*和bin/**有什么区别我的 .gitignore 文件?我一直在使用 bin/,但正在查看 other .gitignore files (在 eclipse file
给定 n 个无限容量的箱子,我想将 m 件元素装入其中(每个元素都有特定的重量),同时最小化最重箱子的重量。 这不是传统的垃圾箱包装/背包问题,其中垃圾箱的容量有限,而您试图尽量减少使用的垃圾箱数量;
Closed. This question is off-topic。它当前不接受答案。 想改善这个问题吗? Update the question,所以它是用于堆栈溢出的on-topic。 7年前关
我一直在寻找一个问题的解决方案,这个问题显然比我最初想象的更不寻常。 Optaplanner 看起来很有前途,但由于我对 Java 相对缺乏经验,所以我想在深入研究之前调查一下这是否完全不可能。 我正
我有一个琐碎的问题。我有一个非常大的 df 有很多列。我正在尝试找到最有效的方法来对具有不同 bin 大小的所有列进行 bin 并创建一个新的 df。这是一个仅对单个列进行分箱的示例: import
我想以这样的方式对数字列 (var) 进行分类,使每个分类中的行数大致相同。我的附加要求是该列中的一个(唯一)值不能分配给多个 bin。例如,如果 var 列中的值 1 分配给 bin 1,则不允许将
我在 centos (rhel 7)_ 上使用 make 命令和 gcc 7.1 通过代码进行编译,但遇到了以下错误: /bin/sh:/bin: 是一个目录 which sh 返回/usr/bin/
/usr/bin/ld: cannot find -ldlib /usr/bin/ld: cannot find -lcblas /usr/bin/ld: cannot find -llapack 在
我进行了一项眼动追踪实验,试图检测两个区域(感兴趣区域,名为“代理”和“患者”的 AOI)的注视分布。我将整个时间划分为时间段,例如得到以下列表: Stimulus Participant A
我正在尝试替换 whoami带有 ~/.local/bin/ 中的脚本的命令.有没有办法让我的 whoami 获得优先权,这样当我运行 whoami 时,我的脚本就会运行? 最佳答案 这就是我的 ~/
我的项目结构是这样的: . ├── Cargo.lock ├── Cargo.toml └── src ├── bin │ └── other.rs ├── main.rs
我正在开发一个小型图书馆应用程序,它以这种格式存储技术手册: 目前,我正在尝试将库的内容保存并根据用户的需要加载到 bin 文件中。 但是,当我尝试加载库文件时,唯一的变化是“-1”被打印到控制台。此
我试图忽略 Web 项目的 bin 文件夹,但包含该 bin 文件夹中的 .refresh 文件。 这是我的 .gitignore 中的内容: [Bb]in/ #Allow .refresh file
ipv6_hdr__f_next_header_cp: coverpoint this.ipv6_hdr.ipv6_f_next_header iff (this.has_ipv6_header){
今天有人给我发了一个以 #: 开头的脚本,谷歌搜索后我没有找到任何答案。 即使脚本有效,我想知道那是什么意思。 最佳答案 哇!这让我想起了很多记忆! 回到 1980 年代和 90 年代初期,有两种基本
我使用这个 ksh 函数将“1-Jan-2011”格式转换为“1.1.2011”。 #!/bin/ksh ##---- function to convert 3 char month into nu
我在 c# winform 项目中使用 sql-server compact 数据库。 如果我查看构成解决方案的文件,我可以在以下两个文件夹中看到 exe 和 sdf 文件的副本: /bin/Debu
这个问题与我上一个问题不同。我正在通过以下代码使用 facetgrid 打印直方图。 import numpy as np import pandas as pd import seaborn as
我有一个整数需要根据概率分布分成 bin。例如,如果我有 N=100 对象进入 [0.02, 0.08, 0.16, 0.29, 0.45] 那么你可能会得到 [1, 10, 20 , 25, 44]
我在寻找使用 Jenkins 运行 Appium 的脚本时阅读了以下脚本 #!/bin/bash --login killall -9 "iPhone Simulator" &> /dev/null
我是一名优秀的程序员,十分优秀!