在 python pandas 数据框中分箱（不是手动设置分箱）
Binning in python pandas dataframe (not manually setting bins)
我有一个数据框。我想对值进行分类并将其附加到新列。我可以用 pd.cut 做到。但问题是，使用 pd.cut 我手动设置标签和垃圾箱。但是，我只想设置步长（不是 bin 号）。我也尝试了 np.linespace、np.arange 但我必须指定起点和终点以及 bin 计数。但是可能有一个数据框，我无法知道数据框中的最大和最小数量
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76],columns=['values'])
bins = [0, 10, 20,30, 40, 50, 60, 70]
labels = ['0-10', '10-20', '20-30', '30-40', '40-50', '50-60', '60-70']
df['bins'] = pd.cut(df['values'], bins, labels=labels)
print (df)
values bins
0 10 0-10
1 10 0-10
2 23 20-30
3 42 40-50
4 51 50-60
5 33 30-40
6 52 50-60
7 42 40-50
8 44 40-50
9 67 60-70
10 65 60-70
11 12 10-20
12 10 0-10
13 2 0-10
14 3 0-10
15 2 0-10
16 77 NaN
17 76 NaN
这是我的输出，我想获得相同的输出但不是手动设置 bin 和标签 p.s。正如你从这里看到的，如果我的值大于 70，它将是 Nan。所以这也是我只想设置步长“10”的原因。我可以有连续的值，所以我希望它通过使用步长 10
自动标记
非常感谢您的帮助
谢谢！！！
您的代码略有不同，请注意，我在您的 df 末尾添加了一个值为 93 的行。
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76, 93],columns=['values'])
bins = np.arange(0,df['values'].max() + 10, 10)
df['bins'] = pd.cut(df['values'], bins)
values bins
0 10 (0, 10]
1 10 (0, 10]
2 23 (20, 30]
3 42 (40, 50]
4 51 (50, 60]
5 33 (30, 40]
6 52 (50, 60]
7 42 (40, 50]
8 44 (40, 50]
9 67 (60, 70]
10 65 (60, 70]
11 12 (10, 20]
12 10 (0, 10]
13 2 (0, 10]
14 3 (0, 10]
15 2 (0, 10]
16 77 (70, 80]
17 76 (70, 80]
18 93 (90, 100]
编辑：要按照评论中的要求在 bin 中包含零，请将参数 include_lowest 设置为 True
df = pd.DataFrame([0, 0, 0, 10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76, 93],columns=['values'])
bins = np.arange(0,df['values'].max() + 10, 10)
df['bins'] = pd.cut(df['values'], bins, include_lowest=True)
你得到
values bins
0 0 (-0.001, 10.0]
1 0 (-0.001, 10.0]
2 0 (-0.001, 10.0]
3 10 (-0.001, 10.0]
4 10 (-0.001, 10.0]
5 23 (20.0, 30.0]
6 42 (40.0, 50.0]
7 51 (50.0, 60.0]
8 33 (30.0, 40.0]
9 52 (50.0, 60.0]
10 42 (40.0, 50.0]
11 44 (40.0, 50.0]
12 67 (60.0, 70.0]
13 65 (60.0, 70.0]
14 12 (10.0, 20.0]
15 10 (-0.001, 10.0]
16 2 (-0.001, 10.0]
17 3 (-0.001, 10.0]
18 2 (-0.001, 10.0]
19 77 (70.0, 80.0]
20 76 (70.0, 80.0]
21 93 (90.0, 100.0]
@Vaishali 基本上回答了这个问题，但只是补充一点，为了以编程方式获得所需的标签，您可以在列表理解中使用 bin 值，从而生成下面的字符串标签（匹配您所需的框架）
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76],columns=['values'])
bins = np.arange(0,df['values'].max() + 10, 10)
labels = ['-'.join(map(str,(x,y))) for x, y in zip(bins[:-1], bins[1:])]
df['bins'] = pd.cut(df['values'], bins = bins, labels=labels)
>>> df
values bins
0 10 0-10
1 10 0-10
2 23 20-30
3 42 40-50
4 51 50-60
5 33 30-40
6 52 50-60
7 42 40-50
8 44 40-50
9 67 60-70
10 65 60-70
11 12 10-20
12 10 0-10
13 2 0-10
14 3 0-10
15 2 0-10
16 77 70-80
17 76 70-80
这里我们解决这个问题，简单的使用Binning Function和numpy函数的位帮助
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76],columns=['values'])
max = df['value'].max()
df['Bins'] = pd.cut(df['value'], np.arange(0, max + 10, 10))
print(df)
我有一个数据框。我想对值进行分类并将其附加到新列。我可以用 pd.cut 做到。但问题是，使用 pd.cut 我手动设置标签和垃圾箱。但是，我只想设置步长（不是 bin 号）。我也尝试了 np.linespace、np.arange 但我必须指定起点和终点以及 bin 计数。但是可能有一个数据框，我无法知道数据框中的最大和最小数量
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76],columns=['values'])
bins = [0, 10, 20,30, 40, 50, 60, 70]
labels = ['0-10', '10-20', '20-30', '30-40', '40-50', '50-60', '60-70']
df['bins'] = pd.cut(df['values'], bins, labels=labels)
print (df)
values bins
0 10 0-10
1 10 0-10
2 23 20-30
3 42 40-50
4 51 50-60
5 33 30-40
6 52 50-60
7 42 40-50
8 44 40-50
9 67 60-70
10 65 60-70
11 12 10-20
12 10 0-10
13 2 0-10
14 3 0-10
15 2 0-10
16 77 NaN
17 76 NaN
这是我的输出，我想获得相同的输出但不是手动设置 bin 和标签 p.s。正如你从这里看到的，如果我的值大于 70，它将是 Nan。所以这也是我只想设置步长“10”的原因。我可以有连续的值，所以我希望它通过使用步长 10
自动标记非常感谢您的帮助
谢谢！！！
您的代码略有不同，请注意，我在您的 df 末尾添加了一个值为 93 的行。
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76, 93],columns=['values'])
bins = np.arange(0,df['values'].max() + 10, 10)
df['bins'] = pd.cut(df['values'], bins)
values bins
0 10 (0, 10]
1 10 (0, 10]
2 23 (20, 30]
3 42 (40, 50]
4 51 (50, 60]
5 33 (30, 40]
6 52 (50, 60]
7 42 (40, 50]
8 44 (40, 50]
9 67 (60, 70]
10 65 (60, 70]
11 12 (10, 20]
12 10 (0, 10]
13 2 (0, 10]
14 3 (0, 10]
15 2 (0, 10]
16 77 (70, 80]
17 76 (70, 80]
18 93 (90, 100]
编辑：要按照评论中的要求在 bin 中包含零，请将参数 include_lowest 设置为 True
df = pd.DataFrame([0, 0, 0, 10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76, 93],columns=['values'])
bins = np.arange(0,df['values'].max() + 10, 10)
df['bins'] = pd.cut(df['values'], bins, include_lowest=True)
你得到
values bins
0 0 (-0.001, 10.0]
1 0 (-0.001, 10.0]
2 0 (-0.001, 10.0]
3 10 (-0.001, 10.0]
4 10 (-0.001, 10.0]
5 23 (20.0, 30.0]
6 42 (40.0, 50.0]
7 51 (50.0, 60.0]
8 33 (30.0, 40.0]
9 52 (50.0, 60.0]
10 42 (40.0, 50.0]
11 44 (40.0, 50.0]
12 67 (60.0, 70.0]
13 65 (60.0, 70.0]
14 12 (10.0, 20.0]
15 10 (-0.001, 10.0]
16 2 (-0.001, 10.0]
17 3 (-0.001, 10.0]
18 2 (-0.001, 10.0]
19 77 (70.0, 80.0]
20 76 (70.0, 80.0]
21 93 (90.0, 100.0]
@Vaishali 基本上回答了这个问题，但只是补充一点，为了以编程方式获得所需的标签，您可以在列表理解中使用 bin 值，从而生成下面的字符串标签（匹配您所需的框架）
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76],columns=['values'])
bins = np.arange(0,df['values'].max() + 10, 10)
labels = ['-'.join(map(str,(x,y))) for x, y in zip(bins[:-1], bins[1:])]
df['bins'] = pd.cut(df['values'], bins = bins, labels=labels)
>>> df
values bins
0 10 0-10
1 10 0-10
2 23 20-30
3 42 40-50
4 51 50-60
5 33 30-40
6 52 50-60
7 42 40-50
8 44 40-50
9 67 60-70
10 65 60-70
11 12 10-20
12 10 0-10
13 2 0-10
14 3 0-10
15 2 0-10
16 77 70-80
17 76 70-80
这里我们解决这个问题，简单的使用Binning Function和numpy函数的位帮助
df = pd.DataFrame([10, 10, 23, 42, 51, 33, 52, 42,44, 67, 65, 12, 10, 2, 3, 2, 77, 76],columns=['values'])
max = df['value'].max()
df['Bins'] = pd.cut(df['value'], np.arange(0, max + 10, 10))
print(df)