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:Python 熊猫间隔数据类型-查找中点、左侧、中间等,python,pandas,intervals,Python,Pandas,Intervals,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_Stats = df.groupby(['month',pd.cut(df['Distances'], np.arange(0, 135,1))]).agg(aggregations)
df['distance']
df['LeftEnd'] = df['Distances'].left
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)