熊猫:如何将bin值附加回原始数据

Question

我是潘达斯的新手，我有如下所示的数据

id    values   
 1       2.1
 2       0.8  
 3       1.0
 4       3.2

我希望将列“值”分隔到不同的回收箱中，如bin =2，并添加一列“计数”，表示在回收箱内的行数，例如：

id     values   counts
 1        2.1       2 (since 2.1 and 3.2 both belong to the bin 2-4)
 2        0.8       2 
 3        1.0       2
 4        3.2       2

我知道value_counts函数可以计算频率，但我不知道如何将它们添加回原始数据。

任何帮助都是非常感谢的！

Answer 1

使用numpy的searchsorted来定义回收箱，使用bincount来计算它们。

这个应该很快。

#         This defines the bin edges
#        [1, 2, 3] would have created
#               different bins
#                    v
b = np.searchsorted([2], df['values'].values)
df.assign(counts=np.bincount(b)[b])

   id  values  counts
0   1     2.1       2
1   2     0.8       2
2   3     1.0       2
3   4     3.2       2

• np.searchsorted确定了在第一个数组中，为了保持排序，需要放置第二个数组的每个元素的位置。
  • 这意味着：
  • 2.1需要跟踪2，这是1的一个位置。
  • 0.8需要位于2之前，这是0的一个位置。
  • 1.0需要位于2之前，这是0的一个位置。
  • 3.2需要跟踪2，这是1的一个位置。

​

• np.bincount方便地计数积分箱的频率。就像我们刚刚创造的那些。
• 通过按垃圾箱的出现对计数的垃圾箱进行切片，我们得到了一个类似于transform的count。

Answer 2

让我们使用pd.cut和groupby

两个垃圾箱：

df.assign(counts=df.groupby(pd.cut(df['values'], bins=2))['values'].transform('count'))

或者，如果您希望您的垃圾箱大小= 2：

df.assign(counts=df.groupby(pd.cut(df['values'], bins=[0,2,4]))['values'].transform('count'))

输出：

   id  values  counts
0   1     2.1     2.0
1   2     0.8     2.0
2   3     1.0     2.0
3   4     3.2     2.0