值，并使用Binning标签引用另一个dataframe的索引。

Question

我正在努力完成这一任务：

我到目前为止所做的事情，：我有8760个值，在这些值中，我根据一定的间隔对它们进行了绑定。间隔数为10，然后对值进行分组。

Problem：现在，我必须将这个dataframe (Df1)的每个“级别”引用到另一个数据数据索引in (df2)中，以执行一个特定的逐行计算。(即)指向另一个数据的10个索引的10个间隔。

bins=[-1,0,1,1.065,1.230,1.500,1.950,2.800,4.500,6.200,13.10]
arr=pd.cut(df1,bins)
grouped=df1.groupby(arr)
pd.value_counts(arr)


Out[58]:
(-1, 0]           4015  
(0, 1]            1948  
(1.95, 2.8]       646  
(2.8, 4.5]        542  
(1.5, 1.95]       539  
(1.23, 1.5]       427  
(1.065, 1.23]     337  
(4.5, 6.2]        127  
(1, 1.065]        125  
(6.2, 13.1]        54  
dtype: int64  

现在我必须使用它将其引用到(df2)的索引中。

data={'f11':['0','0','-0.008','0.13','0.33','0.568','0.873','1.132','1.06','0.678'],'f12':['0','0','0.588','0.683','0.487','0.187','-0.392','-1.237','-1.6','-0.327'],'f13':['0','0','-0.062','-0.151','-0.221','-0.295','-0.362','-0.412','-0.359','-0.25'],'f21':['0','0','-0.06','-0.019','0.055','0.109','0.226','0.288','0.264','0.156'],'f22':['0','0','0.072','0.066','-0.064','-0.152','-0.462','-0.823','-1.127','-1.377'],'f23':['0','0','-0.022','-0.029','-0.026','-0.014','0.001','0.056','0.131','0.251']}  

df2=DataFrame(data,columns=['f11','f12','f13','f21','f22','f23'],index=['1','2','3','4','5','6','7','8','9','10'])

解决方案需要： (-1，0]引用索引'1'，(0，1)到索引'2‘，因此on.This将执行(f11+f12+(f21*f22*f23))根据所引用的索引对所有8760个值行执行。

Answer 1

1. 将类别映射为整数索引 mapping_dict = dict(zip(arr.unique()，np.arange(arr.size) category_as_int = pd.Series(arr).map(mapping_dict)
2. 将category_as_int作为列添加到df1中 df1 = pd.DataFrame( df1 ) #如果它是一个序列，则将df1转换为DataFrame df1'key‘= category_as_int
3. 合并df1和df2 (df2索引中的注释更改) df2 =DataFrame(数据，列=‘f11’，'f12'，'f13'，'f21'，'f22'，'f23'，index=np.arange(len(Data) df = pd.merge(df1，df2，左侧_on=‘key’，right_index=True，how='left')
4. 对所有8K+行执行操作 df.f11 + df.f12 + (df.f21 * df.f22 * df.f23)