Python Pandas: Erstellen Sie Gruppen nach Bereich mit Hilfe der Karte

Question

Ich habe einen großen Datensatz, wo ich Gruppen basierend auf kumulative Summe Prozent der Gesamtzahl erstellen möchte. Ich habe dies mit der Kartenfunktion unter dem Code erreicht. Gibt es einen besseren Weg dies zu tun, wenn ich meine Gruppen noch granularer machen wollte? Also zum Beispiel, schaue jetzt auf 5% Inkremente ... was wenn man auf 1% Inkremente schauen möchte. Ich frage mich, ob es einen anderen Weg gibt, wo ich sie nicht explizit in meine "codethem" -Funktion eingeben muss.

def codethem(dl): 
if dl < .05 : return '5' 
elif .05 < dl <= .1: return '10' 
elif .1 < dl <= .15: return '15' 
elif .15 < dl <= .2: return '20' 
elif .2 < dl <= .25: return '25' 
elif .25 < dl <= .3: return '30' 
elif .3 < dl <= .35: return '35' 
elif .35 < dl <= .4: return '40' 
elif .4 < dl <= .45: return '45' 
elif .45 < dl <= .5: return '50' 
elif .5 < dl <= .55: return '55' 
elif .55 < dl <= .6: return '60' 
elif .6 < dl <= .65: return '65' 
elif .65 < dl <= .7: return '70' 
elif .7 < dl <= .75: return '75' 
elif .75 < dl <= .8: return '80' 
elif .8 < dl <= .85: return '85' 
elif .85 < dl <= .9: return '90' 
elif .9 < dl <= .95: return '95' 
elif .95 < dl <= 1: return '100' 
else: return 'None' 

my_df['code'] = my_df['sales_csum_aspercent'].map(code them) 

Vielen Dank!

Answer 1

gibt es eine spezielle Methode für das - pd.cut()

Demo:

erstellen zufällige DF:

In [393]: df = pd.DataFrame({'a': np.random.rand(10)}) 

In [394]: df 
Out[394]: 
      a 
0 0.860256 
1 0.399267 
2 0.209185 
3 0.773647 
4 0.294845 
5 0.883161 
6 0.985758 
7 0.559730 
8 0.723033 
9 0.126226 

wir sollten Behälter angeben, wenn pd.cut() Aufruf:

In [404]: np.linspace(0, 1, 11) 
Out[404]: array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1. ]) 

In [395]: pd.cut(df.a, bins=np.linspace(0, 1, 11)) 
Out[395]: 
0 (0.8, 0.9] 
1 (0.3, 0.4] 
2 (0.2, 0.3] 
3 (0.7, 0.8] 
4 (0.2, 0.3] 
5 (0.8, 0.9] 
6  (0.9, 1] 
7 (0.5, 0.6] 
8 (0.7, 0.8] 
9 (0.1, 0.2] 
Name: a, dtype: category 
Categories (10, object): [(0, 0.1] < (0.1, 0.2] < (0.2, 0.3] < (0.3, 0.4] ... (0.6, 0.7] < (0.7, 0.8] < (0.8, 0.9] < (0.9, 1]] 

wenn Wir wollen eine benutzerdefinierte Etiketten haben, sollten wir e xplicitly sie angeben:

HINWEIS: bin Etiketten ein weniger sein muss als die Anzahl der Behälter

In [402]: labels = (bins[1:]*100).astype(int) 

In [412]: labels 
Out[412]: array([ 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]) 

In [403]: pd.cut(df.a, bins=bins, labels=labels) 
Out[403]: 
0  90 
1  40 
2  30 
3  80 
4  30 
5  90 
6 100 
7  60 
8  80 
9  20 
Name: a, dtype: category 
Categories (10, int64): [10 < 20 < 30 < 40 ... 70 < 80 < 90 < 100] 

Kanten Lässt es tun mit dem 5% Schritt

In [419]: bins = np.linspace(0, 1, 21) 

In [420]: bins 
Out[420]: array([ 0. , 0.05, 0.1 , 0.15, 0.2 , 0.25, 0.3 , 0.35, 0.4 , 0.45, 0.5 , 0.55, 0.6 , 0.65, 0.7 , 0.75, 0.8 , 0.8 
5, 0.9 , 0.95, 1. ]) 

In [421]: labels = (bins[1:]*100).astype(int) 

In [422]: labels 
Out[422]: array([ 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95, 100]) 

In [423]: pd.cut(df.a, bins=bins, labels=labels) 
Out[423]: 
0  90 
1  40 
2  25 
3  80 
4  30 
5  90 
6 100 
7  60 
8  75 
9  15 
Name: a, dtype: category 
Categories (20, int64): [5 < 10 < 15 < 20 ... 85 < 90 < 95 < 100]