Python 如何通过某些存储箱大小内的值来标记行？

我有下面的数据框

import pandas as pd
df = pd.read_csv("file.csv")
df

    column1     column2    column3
0   52767       10         AA
1   52981       15         AA
2   53479       19         BB
3   53891       5071       BB 
4   54012       5891       BB
5   54231       3210       BB
6   54421       12         BB
7   54789       13         CC
8   55011       20         CC
...

我想根据

column2

的值是否在某个值范围内，唯一地标记此数据帧的每一行。假设当

column2

的值小于或等于19时，我想标记所有唯一的行“束”。我们将把这些标签放在列

groupings

然后生成的数据帧将是

    column1     column2    column3    groupings
0   52767       10         AA         1
1   52981       15         AA         1
2   53479       19         BB         1
3   53891       5071       BB         0
4   54012       5891       BB         0
5   54231       3210       BB         0
6   54421       12         BB         2
7   54789       13         CC         2
8   55011       20         CC         0
...

这里有两组独特的行，

column2

的值为

#创建一个列表来存储数据
分组=[]
#对于列中的每一行，
对于df['column2']中的行：
#如果超过一个值，
如果行<20：
#附加字母等级
groupings.append（'1'）
其他：
groupings.append（'0'）

对于第二部分，我不确定…

#创建一个列表来存储数据
分组=[]
#对于列中的每一行，
对于df['column2']中的行：
#如果超过一个值，
如果行<20：
#附加字母等级
groupings.append（'1'）
其他：
groupings.append（'0'）

---

对于第二部分，我不确定…

好的，这里有一个完整的程序供您使用：

首先，生成一个列来标记一组行（如果需要，调整阈值，

19

）：

该列由0和1组成，但您需要0和束数（1、2、3等），因此让我们对束重新编号：

df.groupings = (df[df.groupings==1].index.to_series().diff() > 1).cumsum() + 1
df['groupings'] = df['groupings'].fillna(0).astype(int) # Remove nans

以下是对第一个问题的回答：

#    column2 column3  groupings
#0        10       A          1
#1        15       A          1
#2        19       B          1
#3      5071       B          0
#4      5891       B          0
#5      3210       B          0
#6        12       B          2
#7        13       C          2
#8        20       C          0
#9         5       C          3
#10        9       C          3

但是，应移除一些标记行。让我们来了解一下，其中：

bunches = df.groupby('groupings').apply(lambda x:
                                        x['column3'].value_counts() <=1 ).reset_index()
bunches.columns=('groupings','column3','weed')

#   groupings column3   weed
#0          0       B  False
#1          0       C   True
#2          1       A  False
#3          1       B   True
#4          2       C   True
#5          2       B   True
#6          3       C  False

让我们将此信息与原始数据帧结合起来：

merged = df.merge(weeds, on=['groupings','column3'], how='outer')    
#    column2 column3  groupings  weed
#0        10       A          1   NaN
#1        15       A          1   NaN
#2        19       B          1  True
#3      5071       B          0   NaN
#4      5891       B          0   NaN
#5      3210       B          0   NaN
#6        12       B          2  True
#7        13       C          2  True
#8        20       C          0   NaN
#9         5       C          3   NaN
#10        9       C          3   NaN

请注意，“weed”行是这样标记的！最后，让我们将它们取消标记为属于束：

df.loc[merged[merged.weed==True].index, 'groupings']=0
#    column2 column3  groupings
#0        10       A          1
#1        15       A          1
#2        19       B          0
#3      5071       B          0
#4      5891       B          0
#5      3210       B          0
#6        12       B          0
#7        13       C          0
#8        20       C          0
#9         5       C          3
#10        9       C          3

---

好的，这里有一个完整的程序：

首先，生成一个列来标记一组行（如果需要，调整阈值，

19

）：

该列由0和1组成，但您需要0和束数（1、2、3等），因此让我们对束重新编号：

df.groupings = (df[df.groupings==1].index.to_series().diff() > 1).cumsum() + 1
df['groupings'] = df['groupings'].fillna(0).astype(int) # Remove nans

以下是对第一个问题的回答：

#    column2 column3  groupings
#0        10       A          1
#1        15       A          1
#2        19       B          1
#3      5071       B          0
#4      5891       B          0
#5      3210       B          0
#6        12       B          2
#7        13       C          2
#8        20       C          0
#9         5       C          3
#10        9       C          3

但是，应移除一些标记行。让我们来了解一下，其中：

bunches = df.groupby('groupings').apply(lambda x:
                                        x['column3'].value_counts() <=1 ).reset_index()
bunches.columns=('groupings','column3','weed')

#   groupings column3   weed
#0          0       B  False
#1          0       C   True
#2          1       A  False
#3          1       B   True
#4          2       C   True
#5          2       B   True
#6          3       C  False

让我们将此信息与原始数据帧结合起来：

merged = df.merge(weeds, on=['groupings','column3'], how='outer')    
#    column2 column3  groupings  weed
#0        10       A          1   NaN
#1        15       A          1   NaN
#2        19       B          1  True
#3      5071       B          0   NaN
#4      5891       B          0   NaN
#5      3210       B          0   NaN
#6        12       B          2  True
#7        13       C          2  True
#8        20       C          0   NaN
#9         5       C          3   NaN
#10        9       C          3   NaN

请注意，“weed”行是这样标记的！最后，让我们将它们取消标记为属于束：

df.loc[merged[merged.weed==True].index, 'groupings']=0
#    column2 column3  groupings
#0        10       A          1
#1        15       A          1
#2        19       B          0
#3      5071       B          0
#4      5891       B          0
#5      3210       B          0
#6        12       B          0
#7        13       C          0
#8        20       C          0
#9         5       C          3
#10        9       C          3

---

您的

分组

列没有唯一的值。你所说的“每一行都有唯一的标签”到底是什么意思？至于您的问题的可能解决方案，您可能需要查看

pandas.cut（）

@DYZ我所说的“唯一”是指与此条件匹配的行数。第一个示例中的第0行、第1行和第2行都是“一串”行，即连续的行分组，因此第2列的值为，我认为您需要删除单词“unique”，因为它肯定发送了错误的消息。是的，您需要

pandas.cut（）

@DYZ，因此，为每行指定

pandas.cut（）

的箱子大小，无论

column2

的值是否

正确，如
pd.cut（df.column2，[-np.inf，19，np.inf]，labels=（1,0））
。但不幸的是，19以下的所有行都将使用相同的标签进行标记。您需要一些其他工具来使用序列号重新标记它们。您的
分组
列没有唯一的值。你所说的“每一行都有唯一的标签”到底是什么意思？至于您的问题的可能解决方案，您可能需要查看
pandas.cut（）
@DYZ我所说的“唯一”是指与此条件匹配的行数。第一个示例中的第0行、第1行和第2行都是“一串”行，即连续的行分组，因此第2列的值为，我认为您需要删除单词“unique”，因为它肯定发送了错误的消息。是的，您需要
pandas.cut（）
@DYZ，因此，为每行指定
pandas.cut（）
的箱子大小，无论
column2
的值是否
正确，如
pd.cut（df.column2，[-np.inf，19，np.inf]，labels=（1,0））
。但不幸的是，19以下的所有行都将使用相同的标签进行标记。你需要一些其他的工具来用序列号重新标记它们。