在Python中创建一个函数，用于根据多个条件从熊猫的dataframe值中创建桶

Question

我问了这个问题，这对我有帮助，但现在我的任务更复杂了。

My有~100个列和值，有14个刻度。

{'Diseasetype': {0: 'Oncology',
 1: 'Oncology',
 2: 'Oncology',
 3: 'Nononcology',
 4: 'Nononcology',
 5: 'Nononcology'},
'Procedures1': {0: 100, 1: 300, 2: 500, 3: 200, 4: 400, 5: 1000},
'Procedures2': {0: 1, 1: 3, 2: 5, 3: 2, 4: 4, 5: 10},
'Procedures100': {0: 1000, 1: 3000, 2: 5000, 3: 2000, 4: 4000, 5: 10000}}

我希望将dataframe的每一列中的每个值转换为桶值。

我目前的解决办法是：

def encoding(col, labels):
    return np.select([col<200, col.between(200,500), col.between(500,1000), col>1000], labels, 0)

onc_labels = [1,2,3,4]
nonc_labels = [11,22,33,44]
msk = df['Therapy_area'] == 'Oncology'

df[cols] = pd.concat((df.loc[msk, cols].apply(encoding, args=(onc_labels,)), df.loc[msk, cols].apply(encoding, args=(nonc_labels,)))).reset_index(drop=True)

如果数据same的所有列都具有相同的比例，那么它可以很好地工作，但是它们不是。记住，我有14个不同的尺度。

我想更新上面的代码(或者获得另一种解决方案)，这将允许我存储数据。I不能使用相同范围的值来存储所有内容.

我的逻辑如下：

如果Disease == Oncology和Procedures1具有此比例，则将值转换为这些桶(1、2、3)

如果Disease == Oncology和Procedures2具有此比例，则将值转换为这些桶(1、2、3)

如果Disease != Oncology和Procedures77具有此比例，则将值转换为这些桶(4、5、6)

比例和桶的例子：

肿瘤学Procedures1：< 200 = 1,200-400 = 2，>400 =3

肿瘤学Procedures2：<2= 1，2-4 = 2，>4 =3

肿瘤学Procedures3：< 2000 = 1,2000-4000 = 2，>4000 =3

Procedures1 for nonOncology：< 200 = 4,200-400 = 5，>400 =6

Procedures2 for nonOncology：<2= 4，2-4 = 5，>4 =6

Procedures3 for nonOncology：< 2000 = 4,2000-4000 = 5，>4000 =6

预期输出(乐意提供更多信息！)

Diseasetype Procedures1 Procedures2 Procedures100
Oncology        1             1           1
Oncology        2             2           2
Oncology        3             3           3
Nononcology     4             4           4
Nononcology     5             5           5
Nononcology     6             6           6

与规则的联系：

Answer 1

我使用了一个带有所有比例的帮助文件(答案末尾的源)：

​

​

使用melt将您的数据拉平，然后使用query过滤出您的行，最后使用pivot重塑您的数据。您可以独立执行每一行以显示转换：

scales = pd.read_csv('scales.csv').fillna({'Start': -np.inf, 'End': np.inf})
out = (
  df.melt('Diseasetype', var_name='Procedure', ignore_index=False).reset_index()
    .merge(scales, on=['Diseasetype', 'Procedure'], how='left')
    .query("value.between(Start, End)")
    .pivot_table('Label', ['index', 'Diseasetype'], 'Procedure').astype(int)
    .droplevel(0).rename_axis(columns=None).reset_index()
)

输出：

>>> df
   Diseasetype  Procedures1  Procedures100  Procedures2
0     Oncology            1              1            1
1     Oncology            2              2            2
2     Oncology            3              3            3
3  Nononcology            4              4            4
4  Nononcology            5              5            5
5  Nononcology            6              6            6

scales.csv含量

Diseasetype,Procedure,Start,End,Label
Oncology,Procedures1,,200,1
Oncology,Procedures1,200,400,2
Oncology,Procedures1,400,,3
Oncology,Procedures2,,2,1
Oncology,Procedures2,2,4,2
Oncology,Procedures2,4,,3
Oncology,Procedures100,,2000,1
Oncology,Procedures100,2000,4000,2
Oncology,Procedures100,4000,,3
Nononcology,Procedures1,,200,4
Nononcology,Procedures1,200,400,5
Nononcology,Procedures1,400,,6
Nononcology,Procedures2,,2,4
Nononcology,Procedures2,2,4,5
Nononcology,Procedures2,4,,6
Nononcology,Procedures100,,2000,4
Nononcology,Procedures100,2000,4000,5
Nononcology,Procedures100,4000,,6