python - 是否有一种有效/最佳的方法来为 Pandas 数据框列中的值分配分数？

Question

我有一列数据框，其中包含客户“关系长度”的值。我想根据它们是否低于终止关系长度的平均值、高于平均值、高于 1 个标准差和高于 2 个标准差，将这些值转换为 1-4 的数字。在不使用 for 循环的情况下，是否有更简单/更快的方法来执行此操作？

到目前为止，这是我的代码:

average = terminatedDf['Relationship Length'].mean()

standardDeviation = terminatedDf['Relationship Length'].std()

lorScores = {np.arange(0, average): 1, np.arange(average, standardDeviation): 2, np.arange(standardDeviation, standardDeviation*2): 3, np.arange(standardDeviation*2, 150): 4}

reportDf['Length of Relationship Score'] = reportDf['Relationship Length'].map(lorScores)

我的问题是 numpy 数组不可散列，但使用常规范围函数只允许整数。

我想我可以遍历数据框，因为它只有大约 1500 行，如下所示:

for row in reportDf:
    if row[5] < average: 
        row[15] = 1
    else:
     ....

我不确定即使我让字典工作，.map 是否比 for 循环更有效。有一个更好的方法吗？我的直觉告诉我，这可能只是一项低效的任务。这是 Dataframe 的示例，但它实际上是从 salesforce API 下载的。

reportDf = ({'Owner': ['Bob', 'Jane', 'Alice', 'Fred'], 
             'Name': ['John', 'Johnny', 'Suzie', 'Larry']
             'Relationship Length': [0.78, 0.73, 19.36, 7.36]
             })

平均长度约为6.3，标准差约为3.4

Answer 1

我会为此创建函数并使用 pandas.Series.apply以下方式

def get_score(x):
    if x <= average:
         return 1
    if average < x <= standardDeviation:
         return 2
    if standardDeviation < x <= standardDeviation*2:
         return 3
    if standardDeviation*2 < x <= 150:
         return 4

reportDf['Length of Relationship Score'] = reportDf['Relationship Length'].apply(get_score)

我不知道它是否会更快，但如果您有 1500 行左右，最终的优化可能不值得为实现它而付出努力。

编辑:我发现有 pandas.cut专门为这个任务制作的函数，假设我想划分数字，所以 0...9 是“少数”，10...99 是“十”，其余未定义:

import pandas as pd
df = pd.DataFrame({'x':[1,9,10,17,45,99,100,121]})
df['category'] = pd.cut(df['x'], bins=[0,9,99], labels=['few','tens'])
print(df)

输出

     x category
0    1      few
1    9      few
2   10     tens
3   17     tens
4   45     tens
5   99     tens
6  100      NaN
7  121      NaN