python - Bin 使用累积和而不是 python 中的观察值

Question

假设我有一个数据框，其中有一列如下:

Weight
1
1
0.75
0.5
0.25
0.5
1
1
1
1

我想创建两个数据箱并向数据框中添加一列，以显示每行所在的数据箱，但我不想对观测值进行分箱(即前 5 个观测值到达数据箱 1，最后一个观测值到达数据箱) 5 个放入垃圾箱 2)。相反，我希望进行分箱，使每个分箱的权重总和相等或尽可能接近相等，而不更改列的顺序。

所以，我想要的结果是

Weight  I want  Not this
1          1       1
1          1       1
0.75       1       1
0.5        1       1
0.25       1       1
0.5        1       2
1          2       2
1          2       2
1          2       2
1          2       2

Pandas 中是否有内置的东西已经做到了这一点，或者有人可以分享关于如何实现这一点的任何想法吗？谢谢!

Answer 1

这应该可以做到:

df = pd.DataFrame(
        {'Weight': [1, 1, 0.75, 0.5, 0.25, 0.5, 1, 1, 1, 1]})
weight_sum = df.Weight.sum()
df['bin'] = 1
df.loc[df.Weight.cumsum() > weight_sum / 2, 'bin'] = 2

print(df)

输出:

   Weight  bin
0    1.00    1
1    1.00    1
2    0.75    1
3    0.50    1
4    0.25    1
5    0.50    1
6    1.00    2
7    1.00    2
8    1.00    2
9    1.00    2