假设我有虹膜数据集。有没有办法在 pandas 中简洁地执行以下操作?
- 按目标分组
- 在每组内,按“萼片长度(厘米)”降序排列数据
- 在每个组中,将 1 分配给前 5 行,将 0 分配给其余行?
对于那些了解 R 的人,我只想复制以下代码(是的,这是一个解决方法):
iris %>%
group_by(Species) %>%
arrange(desc(Sepal.Length)) %>%
mutate(size_tag = 1,
size_tag = cumsum(size_tag),
size_tag = ifelse(size_tag <= 5, 1, 0))
到目前为止我已经:
from sklearn import datasets
iris = datasets.load_iris()
iris = pd.DataFrame(data= np.c_[iris['data'], iris['target']],
columns= iris['feature_names'] + ['target'])
def fn(group, col_nm):
group[col_nm] = 1
group[col_nm] = np.cumsum(group[col_nm])
group[col_nm] = np.where(group[col_nm] <= 5, 1, 0)
return group
iris['size_tag'] = np.NaN
iris.groupby('target').apply( pd.DataFrame.sort_values, 'sepal length (cm)' ).apply( fn, args = (['size_tag']))
我得到的结果是附加到 DataFrame 的额外行...
我刚刚开始使用 pandas 和 Python,因此欢迎任何评论(例如与编码风格相关的)。
最佳答案
这会得到一系列的 1 和 0
iris.sort_values(
'sepal length (cm)', ascending=False
).groupby('target').cumcount().__floordiv__(5).eq(0).astype(np.uint8)
更具可读性
s = iris.sort_values('sepal length (cm)', ascending=False)
c = s.groupby('target').cumcount()
((c // 5) == 0).astype(np.uint8)
使用新列生成副本
s = iris.sort_values('sepal length (cm)', ascending=False)
c = s.groupby('target').cumcount()
top5 = ((c // 5) == 0).astype(np.uint8)
iris.assign(size_tag=top5)
关于python pandas 在组内排序并应用函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41703408/