python - 将多个条件值分配给新的 pandas 列中的百分位数

Question

我有以下带有百分位数的数据框，我想将 0-9 之间的值分配给各自的百分位数。

这是输入:

         a
 1  0.3038
 2  0.0572
 3  0.1153
 4  0.2168
 5  0.5688
 6  0.6291
 7  0.9416
 8  0.7438
 9  0.2242
10  0.5662

这是所需的输出:

         a  b
 1  0.3038  3
 2  0.0572  0
 3  0.1153  1
 4  0.2168  2
 5  0.5688  5
 6  0.6291  6
 7  0.9416  9
 8  0.7438  7
 9  0.2242  2
10  0.5662  5

此外，如果“a”列中的值为 1.00，我想返回值 9。 例如:

        a   b
1  1.0000   9

感谢您的帮助。

Answer 1

更新的解决方案

感谢@Peter Leimbigler对于评论中的以下建议，确保正确处理 1.0 映射到 9 的要求:

np.floor(df['a']*10).replace({10:9})

或者，坚持之前解决方案中存在的 clip_upper() 想法:

np.floor(df.clip_upper(0.9) * 10).astype(int)

上述解决方案中的

0.9 实际上可以是任何数字 [0.9, 1)，并且将按预期工作。上一个解决方案中的问题是这里使用了 1，这意味着 1.0 的值不会向下舍入。

我将保留下面的原始解决方案，因为它已被OP接受，但正如@Peter Leimbigler所指出的那样，它没有正确处理 1.0 -> 9 特殊情况。

<小时/>

之前的解决方案

如果我理解正确的话:

df['b'] = np.floor(df.clip_upper(1) * 10).astype(int)

给出与问题中相同的结果，并解释了您对恰好为 1 的数字的警告。

         a  b
1   0.3038  3
2   0.0572  0
3   0.1153  1
4   0.2168  2
5   0.5688  5
6   0.6291  6
7   0.9416  9
8   0.7438  7
9   0.2242  2
10  0.5662  5