对数据框中的列中的数据进行分类

Question

我的数据框中有一列数字，我想将这些数字分类为例如高、低、排除。我该怎么做。我很无能，我已经尝试查看 cut 函数和类别数据类型。

Answer 1

这个问题很宽泛，但是文档中的这个页面可能是一个不错的起点：

http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing

或者您可以查看 numpy.where

    import numpy as np
    df['is_high'] = np.where(df.['column_of_interest'] > 5 ,1,0)

Answer 2

pd.cut 的简短示例。

让我们从一些数据框开始：

df = pd.DataFrame({'A': [0, 8, 2, 5, 9, 15, 1]})

并且，比方说，我们要将数字分配给以下类别：'low' 如果数字在 [0, 2] 区间内，'mid' 对于 (2, 8]， 'high' 对于 (8, 10]，我们排除了 10 以上（或以下 0）的数字。

因此，我们有 3 个带边的 bin：0、2、8、10。现在，我们可以使用 cut，如下所示：

pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True)
Out[33]: 
0     [0, 2]
1     (2, 8]
2     [0, 2]
3     (2, 8]
4    (8, 10]
5        NaN
6     [0, 2]
Name: A, dtype: category
Categories (3, object): [[0, 2] < (2, 8] < (8, 10]]

参数include_lowest=True包括第一个区间的左端。（如果你想在右边打开区间，那么使用right=False。）

间隔可能不是类别的最佳名称。所以，让我们使用名称：low/mid/high:

pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True, labels=['low', 'mid', 'high'])
Out[34]: 
0     low
1     mid
2     low
3     mid
4    high
5     NaN
6     low
Name: A, dtype: category
Categories (3, object): [low < mid < high]

被排除的数字 15 获得 "category" NaN。如果您更喜欢一个更有意义的名称，可能最简单的解决方案（还有其他方法可以处理 NaN 的）是添加另一个 bin 和一个类别名称，例如：

pd.cut(df['A'], bins=[0, 2, 8, 10, 1000], include_lowest=True, labels=['low', 'mid', 'high', 'excluded'])
Out[35]: 
0         low
1         mid
2         low
3         mid
4        high
5    excluded
6         low
Name: A, dtype: category
Categories (4, object): [low < mid < high < excluded]

对数据框中的列中的数据进行分类

Categorize Data in a column in dataframe

python

machine-learning

data-analysis

pandas