Pandas分组按值范围

Question

在pandas中，是否有一种简单的方法可以对一系列数值增量调用groupby？例如，给定下面的示例，我是否可以使用0.155的增量对列B进行分组，以便例如，列B中的前几组被划分为'0-0.155，0.155-0.31 ...`

import numpy as np
import pandas as pd
df=pd.DataFrame({'A':np.random.random(20),'B':np.random.random(20)})

     A         B
0  0.383493  0.250785
1  0.572949  0.139555
2  0.652391  0.401983
3  0.214145  0.696935
4  0.848551  0.516692

或者，我可以先将数据按照这些增量分类到一个新的列中，然后使用 groupby 来确定在列 A 中可能适用的任何相关统计信息？

- GeoPy

Answer 1

你可能会对pd.cut感兴趣：

>>> df.groupby(pd.cut(df["B"], np.arange(0, 1.0+0.155, 0.155))).sum()
                      A         B
B                                
(0, 0.155]     2.775458  0.246394
(0.155, 0.31]  1.123989  0.471618
(0.31, 0.465]  2.051814  1.882763
(0.465, 0.62]  2.277960  1.528492
(0.62, 0.775]  1.577419  2.810723
(0.775, 0.93]  0.535100  1.694955
(0.93, 1.085]       NaN       NaN

[7 rows x 2 columns]

- DSM

---

我可以为多个维度进行这个操作吗？也就是同时按两个值分组？ - madsthaks

我需要使用两列进行分组。第一列是字符串，我需要将具有相同名称的行进行分组。在这些分组中，我需要根据第二列的值范围对它们进一步分组。我按以下方式完成：(qa_scores_data.groupby(['Video Name', pandas.cut(qa_scores_data['Frame Name'].astype('float'), [0.5, 12.5, 24.5, 36.5, 48.5])])).mean() - Nagabhushan S N

我会得到这个错误：ValueError: Length of grouper (9235) and axis (8769) must be same length。 - Peyman

B的第一个区间是(0, 0.155)，而B的第一行是0.246394 > 0.155，我认为0.246394应该落入第二个区间(0.155, 0.31]。对吗？ - Jacqueline P.

@JacquelineP，末尾的.sum()函数是将（0，0.155]之间的所有数字相加，以得到您所看到的数字。 - elPastor

我还想指出，np.arrange()虽然完全可用，但一个简单的列表同样有效（尚未测试大数据集的性能）。 - elPastor

Answer 2

试试这个：

df = df.sort_values('B')
bins =  np.arange(0, 1.0, 0.155)
ind = np.digitize(df['B'], bins)
    
print df.groupby(ind).head() 

当然，您可以在这些组上使用任何函数，而不仅仅是head。

- Alvaro Fuentes

---

如果需要使用B组中的第一个值，并且该值的平均值与其他相应列的平均值一起计算，该怎么办？ - Alex

Answer 3

这是我如何使用groupby函数的方式

df1=data
bins = [0,40,50,60,70,100]
group_names=['F','S','C','B','A']
df1['grade']=pd.cut(data['student_mark'],bins,labels=group_names)
df1

- Dulangi_Kanchana