如何将物品分组到一到十的桶中？

Question

我正在测试一个非常基本的代码行。

modDF['RatingDecile'] = pd.cut(modDF['RatingScore'], 10)

这给了我10个桶的评分范围。而不是范围，我如何才能看到1，2，3等，最多10？

所以不是这个。

      Score RatingQuantile  
0     (26.3, 29.0]  
6     (23.6, 26.3]  
7     (23.6, 26.3]  
8     (26.3, 29.0]  
10    (18.2, 20.9]  
       ...       ...  
9763  (23.6, 26.3]  
9769  (20.9, 23.6]  
9829  (20.9, 23.6]  
9889  (23.6, 26.3]  
9949  (20.9, 23.6] 

我怎么能得到这样的东西？

      Score RatingQuantile  
0     10  
6     8 
7     8 
8     10  
10    6  
       ...      ...  
9763  8  
9769  5  
9829  5 
9889  5  
9949  5 

我试过这个。

modDF['DecileRank'] = pd.qcut(modDF['RatingScore'],10,labels=False)

我犯了这个错误。

ValueError: Bin edges must be unique: array([ 2., 20., 25., 27., 27., 27., 27., 27., 27., 27., 29.]).
You can drop duplicate edges by setting the 'duplicates' kwarg

这个错误对我来说是有意义的。我只是不知道这个问题的解决办法。有什么想法？

Answer 1

我想你要找的是：

modDF['RatingDecile'] = pd.cut(modDF['RatingScore'], 10, labels=range(1,11))
# or
modDF['RatingDecile'] = pd.cut(modDF['RatingScore'], 10, labels=False)

来自文档

标签：数组或bool，可选 指定返回回收箱的标签。必须与产生的回收箱长度相同。如果为False，则只返回回收箱的整数指示符。这会影响输出容器的类型(见下文)。当回收箱是IntervalIndex时，此参数将被忽略。

此外，如果要“覆盖”整个间隔[0,30]，请指定bin边：

import numpy as np

modDF['RatingDecile'] = pd.cut(modDF['RatingScore'], 
                               bins=np.linspace(0, 30, 11), labels=False)

警告：注意到qcut。

Answer 2

如果传递了一个系列，我在使用qcut()时没有问题。我想你的数据看起来像我正在使用的数据。

import pandas as pd
import numpy as np
data = {'values':np.random.randint(1,30,size=1000)}
df = pd.DataFrame(data)
df['ranks'] = pd.qcut(df['values'],10,labels=False)
print(df)

输出：

     values  ranks
0        18      5
1        22      7
2         5      1
3        12      3
4        14      4
..      ...    ...
995      22      7
996      13      4
997      26      8
998       3      0
999      22      7

之后，您可以使用groupby()或其他一些函数检查简单的操作(例如，回收箱的限制)：

df_info = df.groupby('ranks').agg(
        min_score=pd.NamedAgg(column='values',aggfunc='min'),
        max_score=pd.NamedAgg(column='values',aggfunc='max'),
        count_cases=pd.NamedAgg(column='values',aggfunc='count'))
print(df_info)

输出：

       min_score  max_score  count_cases
ranks                                   
0              1          3          137
1              4          5           72
2              6          8          105
3              9         11           96
4             12         14           98
5             15         17          107
6             18         20           91
7             21         23           99
8             24         27          121
9             28         29           74