Pandas 类别比较

Question

我正在这里创建一个示例数据框。

df = pd.DataFrame( np.random.randn(10,2), columns=list('AB'))    

          A         B
0  0.459759         0.152645

1  0.183613         0.756527

2 -1.836027         0.032433

3  0.264336         0.170171

4 -0.276347         0.208389

5  0.677709         0.725274

6 -0.547858         0.376683

7 -0.994759        -0.750373

8  0.556593         1.282167

9 -1.444533         0.589768

df['A_rank']= pd.qcut(df['A'],[0,0.25,0.5,0.75,1],duplicates="drop")

          A         B                A_rank
0  0.459759        0.152645         (0.411, 0.678]

1  0.183613        0.756527         (-0.0464, 0.411]

2 -1.836027        0.032433         (-1.837, -0.883]

3  0.264336        0.170171         (-0.0464, 0.411]

4 -0.276347        0.208389         (-0.883, -0.0464]

5  0.677709        0.725274         (0.411, 0.678]

6 -0.547858        0.376683        (-0.883, -0.0464]

7 -0.994759        -0.750373       (-1.837, -0.883]

8  0.556593        1.282167        (0.411, 0.678]

9 -1.444533         0.589768       (-1.837, -0.883]

我想从上面创建一个新的数据框，如下所示，它基本上是基于 A_rank.

的子集

          A         B             A_rank  A_rank_open_low    A_rank_closed_hi
0  0.459759        0.152645         (0.411, 0.678]           0.411               0.678

5  0.677709        0.725274          (0.411, 0.678]          0.411               0.678

8  0.556593         1.282167         (0.411, 0.678]            0.411               0.678

我不想通过 qcut 使用整数标签，但希望直接使用 qcut 输出本身的标签，但我无法与类别 (A_rank) 进行比较范围。由于我对这种数据类型缺乏了解，以下尝试失败了。

df2 = df[df['A_rank']=="(0.411, 0.678]"]

没有错误，但输出为：

Empty DataFrame    
Columns: [A, B, A_rank]    
Index: []

df2 = df[df['A_rank']== pd.Categorical("(0.411, 0.678]")]

TypeError: Categoricals can only be compared if 'categories' are the same. Categories are different lengths

df2 = df[str(df['A_rank'])=="(0.411, 0.678]"]

也给出了 Traceback

我在文档中搜索了分类索引和类别，但找不到太多内容。请帮帮我。

Answer 1

使用Interval:

df2 = df[df['A_rank']== pd.Interval(0.411, 0.678)]

Answer 2

@jezrael，向您展示了如何正确执行此操作。我想向您展示如何 "investigate" 类似案例。

首先检查列数据类型：

In [8]: df.dtypes
Out[8]:
A          float64
B          float64
A_rank    category
dtype: object

然后是细胞类型：

In [9]: df.iat[0, 2]
Out[9]: Interval(0.0809, 0.539, closed='right')

In [10]: type(df.iat[0, 2])
Out[10]: pandas._libs.interval.Interval

Pandas 类别比较

Pandas Categories comparison

python

comparison

categories

dataframe

pandas