Python 熊猫间隔数据类型-查找中点、左侧、中间等

在pandas 20.1中，使用区间类型，可以在序列中找到中点、左侧或中心值

例如：

创建间隔数据类型列，并在这些间隔上执行一些聚合计算：

df_Stats = df.groupby(['month',pd.cut(df['Distances'], np.arange(0, 135,1))]).agg(aggregations)

这将返回具有间隔列数据类型的df_统计信息：

df['distance']

现在，我想使用一个系列函数将间隔的左端与这些聚合的结果相关联：

df['LeftEnd'] = df['Distances'].left

但是，我可以按如下方式运行此元素：

    df.loc[0]['LeftEnd'] = df.loc[0]['Distances'].left

这很有效。想法？

因此

pd.cut（）

实际上创建了一个

CategoricalIndex

，其中一个

IntervalIndex

作为类别

In [13]: df = pd.DataFrame({'month': [1, 1, 2, 2], 'distances': range(4), 'value': range(4)})

In [14]: df
Out[14]: 
   distances  month  value
0          0      1      0
1          1      1      1
2          2      2      2
3          3      2      3

In [15]: result = df.groupby(['month', pd.cut(df.distances, 2)]).value.mean()

In [16]: result
Out[16]: 
month  distances    
1      (-0.003, 1.5]    0.5
2      (1.5, 3.0]       2.5
Name: value, dtype: float64

您可以简单地将它们强制为

IntervalIndex

（如果它们是列，也可以这样做），然后访问

In [17]: pd.IntervalIndex(result.index.get_level_values('distances')).left
Out[17]: Float64Index([-0.003, 1.5], dtype='float64')

In [18]: pd.IntervalIndex(result.index.get_level_values('distances')).right
Out[18]: Float64Index([1.5, 3.0], dtype='float64')

In [19]: pd.IntervalIndex(result.index.get_level_values('distances')).mid
Out[19]: Float64Index([0.7485, 2.25], dtype='float64')

---

执行pd.cut后，说“cut”是列名

而不是->

 df['LeftEnd'] = df['Distances'].left

执行以下操作之一-->

 df['LeftEnd'] = df['cut'].apply(lambda x: x.left)

 df['LeftEnd'] = df['cut'].apply(lambda x: x.left).astype(str)