Python 数据帧中的按条件分组

我想把这些数据分成几个组。 我有一些数据如下：

Index Age Predict
0     23    0
1     39    0
2     70    0
3     41    1
4     50    0
5     17    0
6     29    1

我尝试：

df_1 = df[['Age','Predict']]
data = df_1.sort_values(by='Age')

排序后：

Index Age Predict
5     17    0
0     23    0
6     29    1
1     39    0
3     41    1
2     70    0
4     50    0

如何将数据分类到组中：

Index Age Predict

group 1:
5     17    0
0     23    0

group 2:
6     29    1

group 3:
1     39    0

group 4:
3     41    1

group 5:
2     70    0
4     50    0

---

谢谢您的帮助。

IIUC，您需要的组是从Predict创建的，其中以下行之间的

diff

不等于0。因此，您可以创建一个列：

data_ = df.sort_values('Age')
data_['gr'] = data_['Predict'].diff().ne(0).cumsum()
print (data_)
   Index  Age  Predict  gr
5      5   17        0   1
0      0   23        0   1
6      6   29        1   2
1      1   39        0   3
3      3   41        1   4
4      4   50        0   5
2      2   70        0   5

或者，如果要拆分数据而不创建组列，一种方法是创建包含每个组的字典

data_ = df.sort_values('Age')
d = {i: dfg 
     for i,(_, dfg) in enumerate(data_.groupby(data_['Predict'].diff().ne(0).cumsum()),1)}
print (d[1])
   Index  Age  Predict
5      5   17        0
0      0   23        0

---

IIUC，您想要的组是从Predict创建的，其中以下行之间的

diff

不等于0。因此，您可以创建一个列：

data_ = df.sort_values('Age')
data_['gr'] = data_['Predict'].diff().ne(0).cumsum()
print (data_)
   Index  Age  Predict  gr
5      5   17        0   1
0      0   23        0   1
6      6   29        1   2
1      1   39        0   3
3      3   41        1   4
4      4   50        0   5
2      2   70        0   5

或者，如果要拆分数据而不创建组列，一种方法是创建包含每个组的字典

data_ = df.sort_values('Age')
d = {i: dfg 
     for i,(_, dfg) in enumerate(data_.groupby(data_['Predict'].diff().ne(0).cumsum()),1)}
print (d[1])
   Index  Age  Predict
5      5   17        0
0      0   23        0

基本上检查当前值是否与以前的值不同，如果不是增量。这将允许您根据Predict值的变化进行分组

---

基本上检查当前值是否与以前的值不同，如果不是增量。这将允许您使用

.grouby

和

.cumsum（）

结果:

group 1
   Age  Predict
5   17        0
0   23        0
group 2
   Age  Predict
6   29        1
group 3
   Age  Predict
1   39        0
group 4
   Age  Predict
3   41        1
group 5
   Age  Predict
4   50        0
2   70        0

---

使用

.grouby

和

.cumsum（）

结果:

group 1
   Age  Predict
5   17        0
0   23        0
group 2
   Age  Predict
6   29        1
group 3
   Age  Predict
1   39        0
group 4
   Age  Predict
3   41        1
group 5
   Age  Predict
4   50        0
2   70        0

---

你需要

pd.cut

然后使用听写理解，如果你指定了有用的年龄范围，你需要

pd.cut

然后使用听写理解，如果你指定了有用的年龄范围