python - 如何按范围对数据进行分组？

Question

我有以下 pandas 数据框(这只是一个小摘录):

GROUP   AVG_PERCENT_EVAL_1  AVG_PERCENT_NEGATIVE    AVG_TOTAL_WAIT_TIME AVG_TOTAL_SERVICE_TIME
AAAAA   19                  11.000000               25.000000           163.000000
AAAAA   22                  2.000000                146.364198          332.761317
AAAAA   23                  0.500000                44.068225           302.708639
AAAAA   24                  1.000000                122.672215          322.359795
AAAAA   26                  1.000000                143.594896          317.940989
BBBBB   18                  1.000000                121.225692          319.292226
BBBBB   19                  1.000000                40.054707           201.096152
BBBBB   21                  0.333333                29.221458           207.142059
BBBBB   27                  2.000000                103.796290          313.685358

我需要使 AVG_PERCENT_EVAL_1 更加连续，这意味着，而不是精确值，例如18、19、20 等，我想输入范围，例如18-20、21-23，依此类推，直到 40 左右。

数据应按 GROUP 分组，然后对每个数据取 AVG_PERCENT_NEGATIVE、AVG_TOTAL_WAIT_TIME 和 AVG_TOTAL_SERVICE_TIME 的平均值相应的范围。

重要提示:我们采用 18-20 范围。组 AAA 具有 AVG_PERCENT_EVAL_1 等于 19 的相应条目，而组 BBBBB 有两个条目属于此范围范围 - 18 和 19。 AVG_PERCENT_NEGATIVE、AVG_TOTAL_WAIT_TIME 和 AVG_TOTAL_SERVICE_TIME 的值应为以下值:

GROUP   AVG_PERCENT_RANGE   AVG_PERCENT_NEGATIVE    AVG_TOTAL_WAIT_TIME AVG_TOTAL_SERVICE_TIME
AAAAA   18-20               11.00                   25.00               163.000000
BBBBB   18-20               1.00                    80.64               260,19

我知道如何按具体列对数据进行分组，然后使用 agg 计算“平均值”或“计数”。但是，在这种情况下，我不知道如何为 AVG_PERCENT_EVAL_1 创建范围。另外，我不知道如何定义缺少的条目不应被视为 0。例如，在上面的示例中，没有关于 AAAAA 的信息，其中 AVG_PERCENT_EVAL_1 等于 18 和 20，因此我只想获取 19 的值 而不 与 18 和 20< 的 0 值进行平均.

Answer 1

步骤:

1) 使用 pd.cut() 将 AVG_PERCENT_EVAL_1 合并到适当的标签中通过指定 bin 序列。

指定 include_lowest=True 将处理左端点 "[" 的包容性，而 right=False 将使右端点成为开区间 ")".

2)使用返回的类别，根据所需的要求重新标记它们。

3) 执行groupby，将GROUP和新计算的分箱范围作为分组键，在删除AVG_PERCENT_EVAL_1后聚合所有现有列的平均值> 来自他们。

<小时/>

分箱部分:

step=3
kwargs = dict(include_lowest=True, right=False)
bins = pd.cut(df.AVG_PERCENT_EVAL_1, bins=np.arange(18,40+step,step), **kwargs)
labels = [(str(int(cat[1:3])) + "-" + str(int(cat[5:7])-1)) for cat in bins.cat.categories]
bins.cat.categories = labels

分配和groupby.agg():

df = df.assign(AVG_PERCENT_RANGE=bins).drop("AVG_PERCENT_EVAL_1", axis=1)
df.groupby(['GROUP', 'AVG_PERCENT_RANGE'], as_index=False).agg('mean')