在python dataframe中拆分数据并自动获取数组值

上面是我的python代码，我已经将数据帧分成10个相等的部分并绘制了图表，但我对此不满意，我有两个顾虑：

array_x=[10,20,30,40,50,60,70,80,90100]在这行代码中，我已经手动获取了x值，是否有任何方法可以自动处理，因为我已经获取了split（数据，10），它应该显示10个数组值

正如我们可以看到的那样，整个数据1，2，3，4…10正在一次又一次地重复，有没有一个解决方案将其写入函数或循环中

---

任何代码方面的帮助都将不胜感激。谢谢

我相信您需要列表理解，对于计数，可以使用更简单的方式-

sum

布尔掩码，

True

值是类似

1

的过程，然后将列表转换为numpy数组并使用：

---

样本：

data = pd.read_csv('D:\ history/segment.csv')
data = data.sort_values('Prob_score', ascending=False)

one = len(data)
actualpaid_overall = (data['paidstatus'] == 1).sum()

data_split = np.array_split(data, 10)

x = [len(x) for x in data_split]
y = [(x['paidstatus'] == 1).sum()/actualpaid_overall for x in data_split]

array_x = np.cumsum(np.array(x))
array_y = np.cumsum(np.array(y))

plt.xlabel(' Base')
plt.ylabel(' percent')
ax = plt.plot(array_x,array_y)
plt.minorticks_on()
plt.grid(which='major', linestyle='-', linewidth=0.5, color='0.1')
plt.grid( which='both', axis = 'both',  linewidth=0.5,color='0.75')

---

np.array_split（data，5）假设我的数据帧中有100行，它会平均分割成5行，每个分割集中有20行。现在我的数组应该是array_x=[1,2,3,4,5]np.cumsum如果我使用这个，我会得到数组_x为[20,40,60,80100]，对吗？但是我不需要[1,2,3,4,5]那样的总数。如果我给出split（data，5），那么array_x应该自动赋值为array_x=[1,2,3,4,5]。如果我给split（data，10），Array_x应该是Array_x=[1,2,3,4,5,6,7,8,9,10]哦，很抱歉你是对的boss应该是[10,20,30,40,50,60,70,80,90100]而不是[1,2,3,4,5,6,7,8,9,10].实际上，我的逻辑是在10%的总体数据中，我需要找出有多少客户是付费的，20%中有多少是付费的，因此onLets假设我的数据框中有1000个客户，我需要将它们拆分为10个，以便每个拆分都有100个客户，依此类推。我需要在图中用10%，20%到100%的分割来绘制这个，因为我在x轴上给出了分割（10），在y轴上给出了付费客户的总和。我对y轴没有问题，因为u给出的代码是正确的，工作良好，而不是这个代码bro前面的一个数组_x=np.arange（10）+1

data = pd.read_csv('D:\ history/segment.csv')
data = data.sort_values('Prob_score', ascending=False)

one = len(data)
actualpaid_overall = (data['paidstatus'] == 1).sum()

data_split = np.array_split(data, 10)

x = [len(x) for x in data_split]
y = [(x['paidstatus'] == 1).sum()/actualpaid_overall for x in data_split]

array_x = np.cumsum(np.array(x))
array_y = np.cumsum(np.array(y))

plt.xlabel(' Base')
plt.ylabel(' percent')
ax = plt.plot(array_x,array_y)
plt.minorticks_on()
plt.grid(which='major', linestyle='-', linewidth=0.5, color='0.1')
plt.grid( which='both', axis = 'both',  linewidth=0.5,color='0.75')

np.random.seed(2019)
N = 1000
data = pd.DataFrame({'paidstatus':np.random.randint(3, size=N),
                     'Prob_score':np.random.randint(100, size=N)})
#print (data)

data = data.sort_values(['Prob_score'], ascending=[False])

actualpaid_overall = (data['paidstatus'] == 1).sum()

data_split = np.array_split(data, 10)

x = [len(x) for x in data_split]
y = [(x['paidstatus'] == 1).sum()/actualpaid_overall for x in data_split]

array_x = np.cumsum(np.array(x))
array_y = np.cumsum(np.array(y))

print (array_x)
[ 100  200  300  400  500  600  700  800  900 1000]

print (array_y)
[0.09118541 0.18844985 0.27963526 0.38601824 0.49848024 0.61702128
 0.72036474 0.81155015 0.9331307  1.        ]