我有一个数据框,我需要在其中对距离不超过 1 的元素进行分组。 例如,如果这是我的 df:
group_number val
0 1 5
1 1 8
2 1 12
3 1 13
4 1 22
5 1 26
6 1 31
7 2 7
8 2 16
9 2 17
10 2 19
11 2 29
12 2 33
13 2 62
所以我需要按 group_number
和 val
进行分组,其中 val
的值小于或等于 1。
所以,在这个例子中,行 2
和 3
将组合在一起,行 8
和 9
会聚在一起。
我尝试使用 diff 或相关函数,但我没有弄明白。
任何帮助将不胜感激!
最佳答案
使用 diff
是正确的方法 - 只需将它与 gt
和 cumsum
结合使用,您就拥有了自己的组。
想法是对大于阈值的差异使用累积和。大于阈值的差异将变为 True
。相反,等于或低于您的阈值的差异将变为 False
。对 bool 值的累积求和将使等于或低于您的阈值的差异保持不变,因此它们获得相同的组号。
max_distance = 1
df["group_diff"] = df.sort_values("val")\
.groupby("group_number")["val"]\
.diff()\
.gt(max_distance)\
.cumsum()
print(df)
group_number val group_diff
0 1 5 0
1 1 8 1
2 1 12 2
3 1 13 2
4 1 22 5
5 1 26 6
6 1 31 8
7 2 7 0
8 2 16 3
9 2 17 3
10 2 19 4
11 2 29 7
12 2 33 9
13 2 62 10
您现在可以在 group_number 和 group_diff 上使用 groupby
并查看结果组,结果如下:
grouped = df.groupby(["group_number", "group_diff"])
print(grouped.groups)
{(1, 0): Int64Index([0], dtype='int64'),
(1, 1): Int64Index([1], dtype='int64'),
(1, 2): Int64Index([2, 3], dtype='int64'),
(1, 5): Int64Index([4], dtype='int64'),
(1, 6): Int64Index([5], dtype='int64'),
(1, 8): Int64Index([6], dtype='int64'),
(2, 0): Int64Index([7], dtype='int64'),
(2, 3): Int64Index([8, 9], dtype='int64'),
(2, 4): Int64Index([10], dtype='int64'),
(2, 7): Int64Index([11], dtype='int64'),
(2, 9): Int64Index([12], dtype='int64'),
(2, 10): Int64Index([13], dtype='int64')}
感谢@jezrael 提示避免使用新列以提高性能:
group_diff = df.sort_values("val")\
.groupby("group_number")["val"]\
.diff()\
.gt(max_distance)\
.cumsum()
grouped = df.groupby(["group_number", group_diff])
关于Python pandas - 如何对封闭元素进行分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48109624/