将多个条件值分配给新的 pandas 列的百分位数

Question

我有以下带有百分位数的数据框，我想将 0-9 之间的值分配给它们各自的百分位数。

这是输入：

这是期望的输出：

         a  b
 1  0.3038  3
 2  0.0572  0
 3  0.1153  1
 4  0.2168  2
 5  0.5688  5
 6  0.6291  6
 7  0.9416  9
 8  0.7438  7
 9  0.2242  2
10  0.5662  5

此外，如果 'a' 列中的值是 1.00，我想 return 值 9。例如：

        a   b
1  1.0000   9

感谢您的帮助。

Answer 1

更新解决方案

感谢@Peter Leimbigler在评论中提出以下建议，确保正确处理了 1.0 映射到 9 的要求：

np.floor(df['a']*10).replace({10:9})

或者，坚持上一个解决方案中的 clip_upper() 想法：

np.floor(df.clip_upper(0.9) * 10).astype(int)

上述解决方案中的

0.9 实际上可以是任何数字 [0.9, 1)，并且会按预期工作。之前解决方案中的问题是这里使用了1，这意味着恰好1.0的值没有向下舍入。

我将在下面保留原始解决方案，因为它已被 OP 接受，但正如 @Peter Leimbigler 所指出的，它没有正确处理 1.0 -> 9 的特殊情况。

上一个解决方案

如果我理解正确的话：

df['b'] = np.floor(df.clip_upper(1) * 10).astype(int)

给出与问题中相同的结果，并解释了您对正好为 1 的数字的警告。

         a  b
1   0.3038  3
2   0.0572  0
3   0.1153  1
4   0.2168  2
5   0.5688  5
6   0.6291  6
7   0.9416  9
8   0.7438  7
9   0.2242  2
10  0.5662  5

将多个条件值分配给新的 pandas 列的百分位数

Assign multiple conditional values to percentiles into a new pandas column

python

conditional

percentile

pandas