python - Pandas 按重叠箱分组

Question

我想汇总重叠 bin 中的数据。基本上问题here但不是垃圾箱是(0-8岁)，(9-17岁)，(18-26岁)，(27-35岁)和(26-44岁)我希望他们为(0-8岁)、(1-9岁)、(2-10岁)、(3-11岁)和(4-12岁)。

从这样的df开始

<表类="s-表"><头>id奖项年龄<正文>11002411502615054219334220950

我正在使用来自 this 的代码回答以计算非重叠 bin 之间的总和。

bins = [9 * i for i in range(0, df['age'].max() // 9 + 2)]
cuts = pd.cut(df['age'], bins, right=False)

print(cuts)

0    [18, 27)
1    [18, 27)
2    [54, 63)
3    [27, 36)
4    [45, 54)
Name: age, dtype: category
Categories (7, interval[int64, left]): [[0, 9) < [9, 18) < [18, 27) < [27, 36) < [36, 45) < [45, 54) < [54, 63)]

df_out = (df.groupby(['id', cuts])
            .agg(total_awards=('awards', 'sum'))
            .reset_index(level=0)
            .reset_index(drop=True)
         )
df_out['age_interval'] = df_out.groupby('id').cumcount()

结果

print(df_out)

    id  total_awards  age_interval
0    1             0             0
1    1             0             1
2    1           250             2
3    1             0             3
4    1             0             4
5    1             0             5
6    1            50             6
7    2             0             0
8    2             0             1
9    2             0             2
10   2           193             3
11   2             0             4
12   2           209             5
13   2             0             6

是否可以利用现有代码来处理重叠的垃圾箱？

Answer 1

首先 pivot_table 你的数据，每个 id 一行，列是年龄。然后 reindex 获取所有可能的年龄，从 0 到至少 max 列 age (这里我使用 max 加上间隔长度)。现在您可以沿列使用滚动。 重命名 列以创建有意义的名称。最后 stack 和 reset_index 得到一个具有预期形状的数据帧。

interval = 9 #include both bounds like 0 and 8 for the first interval
res = (
    df.pivot_table(index='id', columns='age', values='awards', 
                   aggfunc=sum, fill_value=0)
      .reindex(columns=range(0, df['age'].max()+interval), fill_value=0)
      .rolling(interval, axis=1, min_periods=interval).sum()
      .rename(columns=lambda x: f'{x-interval+1}-{x} y.o.')
      .stack()
      .reset_index(name='awards')
)

你得到问题中提供的输入数据

print(res)
#      id         age  awards
# 0     1    0-8 y.o.     0.0
# 1     1    1-9 y.o.     0.0
# ...
# 15    1  15-23 y.o.     0.0
# 16    1  16-24 y.o.   100.0
# 17    1  17-25 y.o.   100.0
# 18    1  18-26 y.o.   250.0
# 19    1  19-27 y.o.   250.0
# 20    1  20-28 y.o.   250.0
# 21    1  21-29 y.o.   250.0
# 22    1  22-30 y.o.   250.0
# 23    1  23-31 y.o.   250.0
# 24    1  24-32 y.o.   250.0
# 25    1  25-33 y.o.   150.0
# 26    1  26-34 y.o.   150.0
# 27    1  27-35 y.o.     0.0
# ...
# 45    1  45-53 y.o.     0.0
# 46    1  46-54 y.o.    50.0
# 47    1  47-55 y.o.    50.0
# 48    1  48-56 y.o.    50.0
# 49    1  49-57 y.o.    50.0
# ...