Python Groupby和List类别

我有以下数据框

将熊猫作为pd导入
数据={“小时”：[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23]，
“值”：[0,1,1,1,0,1,1,1,0,1,0,0,0,0,0,1,1,1,0,0,0,1,1]}
df=pd.DataFrame（数据）

我一直在尝试向

df

添加一个额外的列，包括groupby

values

的值以及以下列表：

[2, 4, 6, 8, 10, 16, 18, 21, 23]

此列表表示应在几小时后进行挖掘。例如，在新的列

类别
中，2到4之间的
值等于1，否则等于0，6到8之间的小时数等于2，值等于1，否则等于0，依此类推。。
我尝试了以下方法：

df.groupby(["values", "hours"])

但我不能站出来

预期结果如下所示：

更新以回答问题。您必须创建单独的查询（如下所示）。这应该适用于特定范围

df['category'] = 0
df.loc[(df['hours'] >= 2) & (df['hours'] <= 4), 'category'] = df['values']
df.loc[(df['hours'] >= 6) & (df['hours'] <= 8), 'category'] = df['values'] * 2
df.loc[df['hours'] == 10, 'category'] = df['values'] * 3
df.loc[(df['hours'] >= 16) & (df['hours'] <= 18), 'category'] = df['values'] * 4
df.loc[(df['hours'] >= 21) & (df['hours'] <= 23), 'category'] = df['values'] * 5

df['category']=0
df.loc[（df['hours']>=2）&（df['hours']=6）&（df['hours']=16）&（df['hours']=21）&（df['hours']您的问题有问题，因此我将假设Epsi95的评论。因此，您可以尝试以下内容：

当您的列表大小为偶数时，这将起作用。您也可以根据您的案例修改此设置

df['category']=0
x = list(zip(bins[::2], bins[1::2]))
rng = { range(i[0], i[1]+1):idx+1 for idx,i in enumerate(x)}
df.loc[df['values'].eq(1), 'category'] = df.loc[df['values'].eq(1), 'hours'].apply(lambda x: next((v for k, v in rng.items() if x in k), 0))

编辑：

df:

    hours   values  category
0   1   0   0
1   2   1   1
2   3   1   1
3   4   1   1
4   5   0   0
5   6   1   2
6   7   0   0
7   8   1   2
8   9   0   0
9   10  1   3
10  11  0   0
11  12  0   0
12  13  0   0
13  14  0   0
14  15  0   0
15  16  1   4
16  17  1   4
17  18  1   4
18  19  0   0
19  20  0   0
20  21  1   5
21  22  0   0
22  23  1   5

为什么21是5？它应该是4对吗？
2，4，=>1；6，8，=>2；10，16，=>3；18，21，=>4；23=>5
5只是一个可以区分所有时间的类别，例如2到4类别1，6到8类别2，10独立类别3，16到18类别4和21到23类别5。这有帮助吗？我试着运行它，它返回了一个错误，询问在is bins？@DaveWill
bins=[2,4,6,8,10,16,18,21,23]
如果是随机的（不是每5小时一次），应该替换什么而不是5个？我已经更新了我的答案来解释这一点。感谢@DaveWill的澄清
    hours   values  category
0   1   0   0
1   2   1   1
2   3   1   1
3   4   1   1
4   5   0   0
5   6   1   2
6   7   0   0
7   8   1   2
8   9   0   0
9   10  1   3
10  11  0   0
11  12  0   0
12  13  0   0
13  14  0   0
14  15  0   0
15  16  1   4
16  17  1   4
17  18  1   4
18  19  0   0
19  20  0   0
20  21  1   5
21  22  0   0
22  23  1   5