基于预定义桶的百分比桶

Question

我有一个系列的数字，我想知道%的数字落在每一桶的数据。

df['cuts']的值为10、20和50。具体来说，我想知道series的%在[0-10], (10-20] and (20-50] bin中，这应该附加到df数据框架中。

我写了以下代码。我绝对觉得这可能是临时的。任何帮助都是非常感谢的。

bin_cuts = [-1] + list(df['cuts'].values)
out = pd.cut(series, bins = bin_cuts)
df_pct_bins = pd.value_counts(out, normalize= True).reset_index()
df_pct_bins = pd.concat([df_pct_bins['index'].str.split(', ', expand = True), df_pct_bins['cuts']], axis = 1)
df_pct_bins[1] = df_pct_bins[1].str[:-1].astype(str)
df['cuts'] = df['cuts'].astype(str)
df_pct_bins = pd.merge(df, df_pct_bins, left_on= 'cuts', right_on= 1)

Answer 1

考虑一下示例数据df和s

df = pd.DataFrame(dict(cuts=[10, 20, 50]))
s = pd.Series(np.random.randint(50, size=1000))

选项1

np.searchsorted

c = df.cuts.values
df.assign(
    pct=df.cuts.map(
        pd.value_counts(
            c[np.searchsorted(c, s)],
            normalize=True
        )))

   cuts    pct
0    10  0.216
1    20  0.206
2    50  0.578

选项2

pd.cut

c = df.cuts.values
df.assign(
    pct=df.cuts.map(
        pd.cut(
            s,
            np.append(-np.inf, c),
            labels=c
        ).value_counts(normalize=True)
    ))

   cuts    pct
0    10  0.216
1    20  0.206
2    50  0.578