Groupby和lists类别

Question

我有下面的DataFrame

import pandas as pd

data = {"hours": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12,13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23],
"values": [0, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 1]}
df = pd.DataFrame(data)

我一直在尝试向df添加一个额外的列，包括groupby values的值和以下列表：

[2, 4, 6, 8, 10, 16, 18, 21, 23]

此列表表示应在数小时后进行分组。例如，在新的列category中，对于那些在2和4之间的values，它给出1；否则，对于6和8之间的小时，它给出0；对于小时，它给出2，其中值是1，否则，如果是0，依此类推。我尝试了以下几种方法：

df.groupby(["values", "hours"])

我不能站出来说出来。

预期的结果如下所示：

​

​

Answer 1

已更新以回答问题。您必须创建单独的查询(如下所示)。这应该适用于特定的范围

df['category'] = 0
df.loc[(df['hours'] >= 2) & (df['hours'] <= 4), 'category'] = df['values']
df.loc[(df['hours'] >= 6) & (df['hours'] <= 8), 'category'] = df['values'] * 2
df.loc[df['hours'] == 10, 'category'] = df['values'] * 3
df.loc[(df['hours'] >= 16) & (df['hours'] <= 18), 'category'] = df['values'] * 4
df.loc[(df['hours'] >= 21) & (df['hours'] <= 23), 'category'] = df['values'] * 5

Answer 2

你的问题有问题，所以我将假设Epsi95所评论的内容。因此，您可以尝试如下所示：

当你的列表大小相等时，这将会起作用。您也可以为您的案例修改此设置。

df['category']=0
x = list(zip(bins[::2], bins[1::2]))
rng = { range(i[0], i[1]+1):idx+1 for idx,i in enumerate(x)}
df.loc[df['values'].eq(1), 'category'] = df.loc[df['values'].eq(1), 'hours'].apply(lambda x: next((v for k, v in rng.items() if x in k), 0))

编辑：

df['category']=0

bins = [(2, 4), (6, 8), (10), (16, 18), (21, 23)]

rng = {}
for idx,i in enumerate(bins, start=1):
    if not isinstance(i, int):
        rng[range(i[0],i[1]+1)]=idx
    else:
        rng[i] = idx


def func(val):
    print(val)
    for k, v in rng.items():
        if isinstance(k, int):
            if val==k:
                return v
        else:
            if val in k:
                return v
        
df.loc[df['values'].eq(1), 'category'] = df.loc[df['values'].eq(1), 'hours'].apply(func)

df:

    hours   values  category
0   1   0   0
1   2   1   1
2   3   1   1
3   4   1   1
4   5   0   0
5   6   1   2
6   7   0   0
7   8   1   2
8   9   0   0
9   10  1   3
10  11  0   0
11  12  0   0
12  13  0   0
13  14  0   0
14  15  0   0
15  16  1   4
16  17  1   4
17  18  1   4
18  19  0   0
19  20  0   0
20  21  1   5
21  22  0   0
22  23  1   5