Python 如何分配'；其他'；到低频类别？（熊猫）

我有一个“城市”专栏，其中有1000多个独特的条目。（由于某种原因，这些条目是整数，并且当前被指定为浮点类型。）

我尝试了

df['city'].value_counts（）/len（df）

来获取它们的频率。它返回一张桌子。前几个值为0.12、.4、.4、.3

我是一个完全的初学者，因此我不确定如何使用此信息将最后10%的所有内容分配给“其他”

---

我想将唯一的城市值从1000减少到10左右，这样我以后就可以使用

get\u dummies

。

让我们看看预期操作的逻辑：

计算每个城市的频率

计算底部10%的百分比

查找频率低于10%的城市

把它们换成其他的

你开始的方向是对的。要获取每个城市的频率：

city\u freq=（df['city'].value\u counts（））/df.shape[0]

我们希望找到最底层的10%。我们用熊猫来做这件事：

bottom\u decile=city\u freq.quantile（q=0.1）

现在

bottom\u decile

是一个浮点数，表示底部10%与其余部分不同的数字。频率低于10%的城市：

---

less\u freq\u cities=city\u freq[city_frequency]那么你想要你的
city
列中十个最常见的整数吗？@siamaksafari是的，其余的是“其他”这个问题回答了你的问题吗？@ZarakiKenpachi:不，这显然不是重复的问题。这个问题仅仅是关于计数频率，没有更多。这个问题是关于分配所有值的“长尾”将低频率的es传递给其他类/不关心类，以减少基数。完全不同。“出于某种原因，条目是整数，当前被分配为浮点类型。”您可以控制它们如何被读入的数据类型（使用
pd.read\u csv（）
），在pandas 1.0.x中，您现在可以指定dtype='category'，而不是int或float。或者使用
.astype（）
对它们进行转换。如果它们是float，则表明序列中有一些nan，因此请先确定是否执行
fillna（）
/
dropna（）
操作。要获得标准化频率，您可以简化
df[col]。value\u counts（）)/df.shape[0]
到
df[col].value\u计数（normalize=True）
谢谢。当我考虑这个问题时，根本不需要标准化。
分位数将在没有标准化的情况下工作。标准化频率在自动化流程中可能很有用。这里OP已经知道他们只需要前10个最常见的级别。但一般来说，我们不知道。其次，它更高效、更简单、更短请列出最频繁的城市列表，我们知道它的长度仅为10，比我们不想要的990个频率较低的城市要长。@smc我不确定我是否理解你。
频率较低的城市不可能是990个城市。如果有1000个独特的城市，它可以容纳约100个。你为什么建议容纳最频繁的城市？（也许我们最好转到聊天室）