Python 通过将数据分隔到存储箱来指定中值

我有一个数据框，我想把它分成多个存储箱，并为每个存储箱分配该存储箱中的值的中值

   POA   Egrid           
   200   1.17
   205   0.63
   275   1.08
   325   1.22
   350   0.57

结果应该是这样的

   POA       Egrid           
 (200,300)   Median of (1.17,0.63,1.08)
 (300,400)   Median of (1.22,0.57)

---

我试着写两个循环，但无法计算中间部分。任何帮助都很好。

使用：

pd.cut

和

和

和

.transform

import pandas as pd
df['POA'] = df['POA'].astype(int)
df['POA'] = pd.cut(df['POA'], [0,99,199, 299, 399], include_lowest=True)
df['Egrid'] = df.groupby('POA')['Egrid'].transform('median')
df = df.drop_duplicates()
df

编辑：

有一个带有

pd.cut

的标志，即

right=False

。如果我们加上这个，那么分类就更干净了，你可以选择100，而不是99

import pandas as pd
df['POA'] = df['POA'].astype(int)
df['POA'] = pd.cut(df['POA'], [0,100,200, 300,400], include_lowest=True, right=False)
df['Egrid'] = df.groupby('POA')['Egrid'].transform('median')
df = df.drop_duplicates()
df

输出：

    POA         Egrid
0   [200, 300)  1.080
1   [200, 300)  1.080
2   [200, 300)  1.080
3   [300, 400)  0.895
4   [300, 400)  0.895

---

这当然不是最有效的方法，但这会奏效的

首先，让我们重新创建一个类似的设置：

import numpy as np
import pandas as pd

# make a DataFrame like yours
df = pd.DataFrame([[200, 1.17], [205, 0.63], [275, 1.08], [325, 1.22], [350, 0.57]], columns=["POA", "Egrid"])

然后，让我们添加中间值：

# first, define a list of possible ranges from which you want the medians
list_of_ranges = [(200, 300), (300, 400)]

# initialize a column named "Median"
df["Median"] = [0]*df.shape[0]

# apply median to the desired ranges
for a, b in list_of_ranges:
    
    # calculate the median from the desired subset of the dataframe
    median = df[(df['POA'] >= a) & (df['POA'] < b)]["Egrid"].median()
    
    # apply the value where the condition is respected
    df.loc[(df['POA'] >= a) & (df['POA'] < b), 'Median'] = median

#首先，定义一个可能的范围列表，从中选择中位数
范围的列表=[（200,300），（300,400）]
#初始化名为“Median”的列
df[“中值”]=[0]*df.形状[0]
#将中值应用于所需范围
对于_范围列表中的a、b：
#从数据帧的所需子集计算中值
中位数=df[（df['POA']>=a）和（df['POA']=a）和（df['POA']

如果不清楚，请告诉我。

如何处理

s=df.groupby(pd.cut(df.POA,[100,200,300])).Egrid.median().reset_index()
          POA  Egrid
0  (100, 200]  1.170
1  (200, 300]  0.855

将熊猫作为pd导入
将numpy作为np导入
#创建数据帧
d={'POA'：[200205275325350]，'Egrid'：[1.17,0.63,1.08,1.22,0.57]}
df=pd.DataFrame（数据=d）
#创建要分组的存储箱
箱子=[1002003004005006007008009001000]
#For循环将每个POA分配给bin
对于垃圾箱中的垃圾箱：
上料仓=料仓+100
df.loc[（df['POA']>=bin）和（df['POA']

创建垃圾箱的逻辑是什么？为bin创建列后，可以使用

groupby

计算中值。你能解释一下bin背后的逻辑吗？是否每100个增量，如100-200、200-300、300-400等？您可以使用此创建100个增量箱。这将从0到1000创建。然后进行分组和变换

df['POA']=pd.cut（df['first']，np.linspace（0，10000，101），include_lower=True）

df['Egrid']=df.groupby（'POA'）['Egrid'].transform（'median'）

非常感谢！谢谢@Chinmay如果这个或另一个答案有助于你解决问题，请接受它作为解决方案。当然，我应该在我的帖子中加入评论。首先，我用提供的数据创建了一个dataframe。第二，我创建了一个我们要分组的各种垃圾箱的列表。然后，我使用for循环将每个POA分配给一个bin。最后，我使用一个pandas透视表来总结显示每个bin和中值的结果。

import pandas as pd
import numpy as np

# Create the dataframe
d = {'POA':[200,205,275,325,350], 'Egrid':[1.17,0.63,1.08,1.22,0.57]}
df = pd.DataFrame(data=d)

# Create bins to group by
bins = [100,200,300,400,500,600,700,800,900,1000]

# For loop to assign each POA to a bin
for bin in bins:
    upper_bin = bin + 100
    df.loc[(df['POA'] >= bin) & (df['POA'] < upper_bin), 'Bin'] = f'{bin} to {upper_bin}'

# Create a pandas pivot_table to summarize the results
# Displays each bin and its median value
df2 = pd.pivot_table(df, index=['Bin'], values=['Egrid'], aggfunc=np.median)
print(df2)