Python 如何一次对数据中的所有列进行分类？（使所有值变为高、中、低）

我试图将数据集中的所有值转换为分类值，我希望所有数值根据其分位数值分类为低、平均或高

因此，如果该值低于该系列的25%，则将其转换为“低”

我尝试使用assign，然后应用了我提供的函数：

def turn_into_categorical(row):
    quantile_level = [.25, .5, .75]
    for r in row:
        cut = refugees_T_F_V_P_full_data.r.quantile(quantile_level)
        if r >= cut[.75]:
            return "High"
        elif r >= cut[.25] and r < cut[0.75]:
            return "Average"
        else:
            return "Low"

refugees_T_F_V_P_full_data.apply(turn_into_categorical, axis = 1)

预期成果：（举例）

---

一个想法是使用

pd.DataFrame.quantile

和

pd.Series.cut

：

cats = ['Low', 'Medium', 'High']
quantiles = df.iloc[:, 2:].quantile([0, 0.25, 0.75, 1.0])

for col in df.iloc[:, 2:]:
    bin_edges = quantiles[col]
    # special case situations where all values are equal
    if bin_edges.nunique() == 1:
        df[col] = 'Low'
    else:
        df[col] = pd.cut(df[col], bins=bin_edges, labels=cats, include_lowest=True)

结果:

print(df)

    Year  Month CentralEquatoria EasternEquatoria Gogrial Jonglei
0   2014     10           Medium              Low     Low     Low
1   2014     11              Low           Medium     Low    High
2   2014     12              Low           Medium     Low    High
3   2015      1           Medium           Medium     Low     Low
4   2015      2           Medium           Medium     Low    High
5   2015      3           Medium           Medium     Low  Medium
6   2015      4              Low              Low     Low  Medium
7   2015      5           Medium              Low     Low  Medium
8   2015      6              Low              Low     Low  Medium
9   2015      7             High           Medium     Low  Medium
10  2015      8             High             High     Low  Medium
11  2015      9             High              Low     Low  Medium
12  2015     10             High              Low     Low     Low
13  2015     11           Medium           Medium     Low    High
14  2015     12           Medium             High     Low     Low

看起来像你想要的，这正是你想要的。从文档中：

基于分位数的离散化函数

因此，您可以沿着数据帧的列

pd.qcut

从

Central Equatoria

开始，指定要使用

q=[0,0.25,0.75,1.0]来存储序列的分位数。

df.loc[:,'Central Equatoria':].apply(lambda x: pd.qcut(x, q=[0, 0.25, 0.75, 1.0], 
                                    labels =['low','medium','high']) 
                                    if not x.nunique() == 1 else 'low'))

输出

使用

pd.cut（）

和

df.apply（）

：

---

最终使用最古老的方式：

new_df = pd.DataFrame()
name_list = list(df)

for name in name_list:
    if name != 'Year' and name != 'Month':
        new_row = []
        quantiles = df[name].quantile([.25, .5, .75])
        row_list = df[name].tolist()
        for i, value in enumerate(row_list):
            if value < quantiles[.25]:
                new_row.append("Low")
            elif value < quantiles[.75] and value >= quantiles[.25]:
                new_row.append("Average")
            else:
                new_row.append("High")
        series = pd.Series(new_row)
        new_df[name] = series.values

new_df.head()

new_df=pd.DataFrame（）
名称\列表=列表（df）
对于名称列表中的名称：
如果名称！='年份和名称！='月份：
新_行=[]
分位数=df[name]。分位数（[.25、.5、.75]）
行列表=df[name].tolist（）
对于i，枚举中的值（行列表）：
如果值<分位数[.25]：
新增行。追加（“低”）
elif值<分位数[.75]和值>=分位数[.25]：
新增行。追加（“平均值”）
其他：
新增行。追加（“高”）
系列=局部放电系列（新行）
new_df[name]=series.values
新(财务总监)

作为评论，这是一个写得很好的问题，有一个有趣的问题-谢谢！如果OP愿意使用int标签而不是字符串，我想我们可以将其矢量化。我只是想敲定一个idea@roganjosh，

pd.cut

我相信它是完全矢量化的，最后的“字符串”系列实际上是有效的分类，即由整数数组支持。啊，噗，我看到了

for

循环，并以错误的方式读了它！我要的是

np.digitalize

。您说得对。我已经尝试了该代码，但它返回的错误与我尝试@yatu的代码

ValueError:Bin边必须是唯一的：数组（[0,0,5,26]）。您可以通过设置“duplicates”（重复）kwarg来删除重复边

比我的解决方案更好：）。。基本上，这结合了

分位数

和

切割

方法。是的，它直接使用分位数信息进行分类。谢谢：）我试图实现您的代码和@jpp的代码，但是pd.qcut函数似乎总是返回错误

ValueError:（“Bin边必须是唯一的：数组（[0,0,2,7]）。\n您可以通过设置“duplicates”kwarg来删除重复边，“发生在北加扎勒河的索引中”）

我试图从这里搜索解决方案，并添加了一个参数

duplicates='drop'

，但它仍然返回

ValueError:（“垃圾箱标签必须比垃圾箱边缘的数量少一个”，“发生在北加扎勒河的索引中”）

完整的代码在这里

难民数据。iloc[：，2:。应用（lambda x:pd.qcut（x，duplicates='drop'，q=[0,0.25,0.75,1.0]，标签=['low'，'medium'，'high']）如果不是x.nunique（）==1，则为'low'

df.loc[:,'Central Equatoria':].apply(lambda x: pd.qcut(x, q=[0, 0.25, 0.75, 1.0], 
                                    labels =['low','medium','high']) 
                                    if not x.nunique() == 1 else 'low'))

       Central Equatoria Eastern Equatoria Gogrial Jonglei
0            medium              low     low     low
1               low           medium     low    high
2               low           medium     low    high
3            medium           medium     low     low
4            medium           medium     low    high
5            medium           medium     low  medium
6               low              low     low  medium
7            medium              low     low  medium
8               low              low     low  medium
9              high           medium     low  medium
10             high             high     low  medium
11             high              low     low  medium
12             high              low     low     low
13           medium           medium     low    high
14           medium             high     low     low

df.iloc[:,2:]=df.iloc[:,2:].apply(lambda x:pd.cut(x, 3, labels=['Low','Med','High']), axis=1)

    Year    Month   Central_Equatoria   Eastern_Equatoria   Gogrial Jonglei
0   2014    10      High    Low         Low                 Med
1   2014    11      Low     Low         Low                 High
2   2014    12      Low     Med         Low                 High
3   2015    1       High    Low         Low                 Med
4   2015    2       Med     Med         Low                 High
5   2015    3       High    Med         Low                 High

new_df = pd.DataFrame()
name_list = list(df)

for name in name_list:
    if name != 'Year' and name != 'Month':
        new_row = []
        quantiles = df[name].quantile([.25, .5, .75])
        row_list = df[name].tolist()
        for i, value in enumerate(row_list):
            if value < quantiles[.25]:
                new_row.append("Low")
            elif value < quantiles[.75] and value >= quantiles[.25]:
                new_row.append("Average")
            else:
                new_row.append("High")
        series = pd.Series(new_row)
        new_df[name] = series.values

new_df.head()