我有一个二维数组形式的大型数据集。 2D 数组表示连续强度数据,我想用它来创建另一个相同大小的 2D 数组,只是这一次,这些值被分组为离散值。换句话说,如果我有一个像这样的二维数组,
[(11, 23, 33, 12),
(21, 31, 13, 19),
(33, 22, 26, 31)]
输出如下所示,其中 10 到 19 的值分配给 1,20 到 29 的值分配给 2,30 到 39 的值分配给 3。
[(1, 2, 3, 1),
(2, 3, 1, 1),
(3, 2, 2, 3)]
更理想的是,我想根据百分位数进行这些分配。例如,前 10% 的值分配为 5,前 20% 的值分配为 4,依此类推。
我的数据集采用 NumPy 格式。我已经查看了函数groupby
,但这似乎不允许我指定范围。我也看过 cut
但 cut 仅适用于一维数组。我考虑过在遍历每一行数据时通过循环运行 cut 函数,但我担心这可能会花费太多时间。我的矩阵可能有 4000 行 x 4000 列那么大。
最佳答案
您需要堆叠
数据帧以获得一维表示,然后应用剪切
。之后您可以取消堆叠
它。
[tuple(x) for x in (pd.cut(pd.DataFrame(a).stack(), bins=[10,20,30,40], labels=False)+1).unstack().values]
OR(使用 @user3483203 的魔法)
[tuple(x) for x in np.searchsorted([10, 20, 30, 40], np.array(a))]
输出:
[(1, 2, 3, 1),
(2, 3, 1, 1),
(3, 2, 2, 3)]
关于python - Pandas Group 2-D NumPy 数据(按值范围),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56673955/