我正在尝试按 2 列对 DataFrame 进行分组(请参见下面的示例)。 对于第一列,我希望每个值都属于一个组。对于第二列,我想按大小不等的重叠间隔进行分组。
我的理解是 pd.cut() 只允许我按不重叠的间隔进行分组。
这是一个例子:
0 1 2
0 0 4 1721
1 0 5 2353
2 0 6 58
3 0 7 524
4 1 1 1934
5 1 2 1318
6 1 2 1307
7 1 2 301
8 1 2 502
9 1 3 996
10 1 3 32
通过按第 0 列和第 1 列分组,我想要:
0 1 2
0 [4,5] [1721,2353]
[5,6] [2353,58]
[6,7] [58,524]
1 [1,2] [1934,1318,1307,301,502]
[2,3] [1318,1307,301,502,996,32]
然后我会取第 2 列的平均值或标准差。有什么建议吗?谢谢 !
最佳答案
开头为:
gr1 gr2 val
0 0 4 1721
1 0 5 2353
2 0 6 58
3 0 7 524
4 1 1 1934
5 1 2 1318
6 1 2 1307
7 1 2 301
8 1 2 502
9 1 3 996
10 1 3 32
首先,根据 gr2
中的值创建 bin:
bounds = df.gr2.sort_values().unique()
bins = list(zip(bounds[:-1], bounds[1:]))
def overlapping_bins(x):
return pd.Series([l for l in bins if l[0] <= x <= l[1]])
然后将val
值分配给bins
:
df = pd.concat([df, df.gr2.apply(overlapping_bins).stack().reset_index(1, drop=True)], axis=1).rename(columns={0: 'bins'}).drop('gr2', axis=1)
然后.groupby()
生成bins
:
df.groupby(['gr1', 'bins']).val.apply(lambda x: x.tolist())
gr1 bins
0 (3, 4) [1721]
(4, 5) [1721, 2353]
(5, 6) [2353, 58]
(6, 7) [58, 524]
1 (1, 2) [1934, 1318, 1307, 301, 502]
(2, 3) [1318, 1307, 301, 502, 996, 32]
(3, 4) [996, 32]
关于python - Pandas DataFrame groupby 可变长度的重叠间隔,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34912524/