python - 在 pandas python 中对 qcut 的五分位数输出进行排序

Question

我有一个包含 499 条记录的埃博拉数据集。我试图根据概率(概率变量)找到每个五分位数中的观察次数。观察次数应分为 0-20%、20-40% 等类别。我认为这样做的代码是，

test = pd.qcut(ebola.prob,5).value_counts()

返回

[0.044, 0.094]    111
(0.122, 0.146]    104
(0.106, 0.122]    103
(0.146, 0.212]     92
(0.094, 0.106]     89

我的问题是如何对其进行排序以返回 0-20%、20-40% 40-60% 60-80% 80-100% 的正确观测值数量？

我试过了

test.value_counts(sort=False)

返回

104    1
89     1
92     1
103    1
111    1

这是订单 104,89,92,103,111 吗？每个五分位数？

我很困惑，因为如果我查看第一段代码的概率输出，它看起来应该是 111,89,103,104,92？

Answer 1

你所做的基本上是正确的，但你可能有两个问题:

1. 我认为您使用的是 pd.cut() 而不是 pd.qcut()。
2. 您应用 value_counts() 的次数过多。

---

(1) 你可以在这里引用这个问题here ;当您使用 pd.qcut() 时，您应该在每个 bin 中拥有相同数量的记录(假设您的总记录可以被 bin 的数量整除)，而您没有。也许检查并确保您使用的是您打算使用的那个。

这里有一些随机数据来说明(2):

>>> np.random.seed(1234)
>>> arr = np.random.randn(100).reshape(100,1)
>>> df = pd.DataFrame(arr, columns=['prob'])
>>> pd.cut(df.prob, 5).value_counts()

(0.00917, 1.2]       47
(-1.182, 0.00917]    34
(1.2, 2.391]          9
(-2.373, -1.182]      8
(-3.569, -2.373]      2

添加排序标志会得到你想要的东西

>>> pd.cut(df.prob, 5).value_counts(sort=False)

(-3.569, -2.373]      2
(-2.373, -1.182]      8
(-1.182, 0.00917]    34
(0.00917, 1.2]       47
(1.2, 2.391]          9

或使用pd.qcut()

>>> pd.qcut(df.prob, 5).value_counts(sort=False)

[-3.564, -0.64]     20
(-0.64, -0.0895]    20
(-0.0895, 0.297]    20
(0.297, 0.845]      20
(0.845, 2.391]      20