Pandas Groupby熊猫定制系列?
我有一个数据帧:Pandas Groupby熊猫定制系列?,pandas,pandas-groupby,Pandas,Pandas Groupby,我有一个数据帧: ID Value 1 1 2 2 3 1 4 1 5 2 6 3 7 4 8 5 9 10 10 15 我想按我的值分组并计算ID,在自定义范围内:=10 结果如下: Value ID <=2
ID Value
1 1
2 2
3 1
4 1
5 2
6 3
7 4
8 5
9 10
10 15
我想按我的值分组并计算ID,在自定义范围内:=10
结果如下:
Value ID
<=2 5
3-9 3
>= 10 2
值ID
= 10 2
使用和
将numpy导入为np
标签=['=10']
bins=[0,2,9,np.inf]
df.groupby(pd.cut(df['Value'],bin,labels=labels)).size()到框架('ID'))
#输出
身份证件
价值
=10 2
使用和
将numpy导入为np
标签=['=10']
bins=[0,2,9,np.inf]
df.groupby(pd.cut(df['Value'],bin,labels=labels)).size()到框架('ID'))
#输出
身份证件
价值
=10 2
我认为你不需要groupby
labels = ['<=2', '3-9', '>=10']
bins = [0,2,9, np.inf]
pd.cut(df['Value'],bins=bins,labels=labels).value_counts().reset_index()
#out[]
index Value
<=2 5
3-9 3
>=10 2
labels=['=10']
bins=[0,2,9,np.inf]
pd.cut(df['Value'],bin=bin,labels=labels)。Value\u counts().reset\u index()
#out[]
索引值
=10 2
我认为你不需要groupby
labels = ['<=2', '3-9', '>=10']
bins = [0,2,9, np.inf]
pd.cut(df['Value'],bins=bins,labels=labels).value_counts().reset_index()
#out[]
index Value
<=2 5
3-9 3
>=10 2
labels=['=10']
bins=[0,2,9,np.inf]
pd.cut(df['Value'],bin=bin,labels=labels)。Value\u counts().reset\u index()
#out[]
索引值
=10 2
如何将结果重命名为我想要的?@homsand您想在此处重命名什么?例如:(0.0,2.0]
为@homsand Updated。如何将结果重命名为我想要的?@homsand您想在此处重命名什么?例如:(0.0,2.0]
为@homsand Updated。