python - 在 Python 中对 pandas 中的数据框进行分箱

Question

这个问题在这里已经有了答案:

Binning a column with pandas (3 个回答)

关闭 2年前.

鉴于 pandas 中的以下数据框:

import numpy as np
df = pandas.DataFrame({"a": np.random.random(100), "b": np.random.random(100), "id": np.arange(100)})

其中 id 是由 a 和 b 值组成的每个点的 id，我怎样才能 bin a 和 b 放入一组指定的 bin 中(这样我就可以在每个 bin 中取 a 和 b 的中值/平均值)?对于 df 中的任何给定行，df 可能具有 a 或 b(或两者)的 NaN 值.

这是一个使用 Joe Kington 的解决方案的更好的示例，该解决方案具有更真实的 df。我不确定的是如何访问下面每个 df.a 组的 df.b 元素:

a = np.random.random(20)
df = pandas.DataFrame({"a": a, "b": a + 10})
# bins for df.a
bins = np.linspace(0, 1, 10)
# bin df according to a
groups = df.groupby(np.digitize(df.a,bins))
# Get the mean of a in each group
print groups.mean()
## But how to get the mean of b for each group of a?
# ...

Answer 1

可能有更有效的方法(我觉得 pandas.crosstab 在这里会很有用)，但我会这样做:

import numpy as np
import pandas

df = pandas.DataFrame({"a": np.random.random(100),
                       "b": np.random.random(100),
                       "id": np.arange(100)})

# Bin the data frame by "a" with 10 bins...
bins = np.linspace(df.a.min(), df.a.max(), 10)
groups = df.groupby(np.digitize(df.a, bins))

# Get the mean of each bin:
print groups.mean() # Also could do "groups.aggregate(np.mean)"

# Similarly, the median:
print groups.median()

# Apply some arbitrary function to aggregate binned data
print groups.aggregate(lambda x: np.mean(x[x > 0.5]))

---

编辑:由于 OP 专门要求 b 的方法由 a 中的值分箱，所以只需执行

groups.mean().b

此外，如果您希望索引看起来更好(例如，将间隔显示为索引)，就像在 @bdiamante 的示例中所做的那样，请使用 pandas.cut 而不是 numpy.digitize。 (向比达曼特致敬。我没有意识到 pandas.cut 存在。)

import numpy as np
import pandas

df = pandas.DataFrame({"a": np.random.random(100), 
                       "b": np.random.random(100) + 10})

# Bin the data frame by "a" with 10 bins...
bins = np.linspace(df.a.min(), df.a.max(), 10)
groups = df.groupby(pandas.cut(df.a, bins))

# Get the mean of b, binned by the values in a
print groups.mean().b

这会导致:

a
(0.00186, 0.111]    10.421839
(0.111, 0.22]       10.427540
(0.22, 0.33]        10.538932
(0.33, 0.439]       10.445085
(0.439, 0.548]      10.313612
(0.548, 0.658]      10.319387
(0.658, 0.767]      10.367444
(0.767, 0.876]      10.469655
(0.876, 0.986]      10.571008
Name: b