python—是否可以对数据帧中的每一列应用百分位剪切?
是否可以使用循环将百分位数的剪切放置在数据帧的所有列上?我现在就是这样做的:python—是否可以对数据帧中的每一列应用百分位剪切?,python,pandas,vectorization,quantile,Python,Pandas,Vectorization,Quantile,是否可以使用循环将百分位数的剪切放置在数据帧的所有列上?我现在就是这样做的: df = pd.DataFrame(np.random.randn(10,5)) df_q = pd.DataFrame() for i in list(range(len(df.columns))): df_q[i] = pd.qcut(df[i], 5, labels=list(range(5))) 我希望有一个巧妙的解决方案来避免使用循环 谢谢 pd.qcut接受一维数组或序列作为其参数。要将pd.q
df = pd.DataFrame(np.random.randn(10,5))
df_q = pd.DataFrame()
for i in list(range(len(df.columns))):
df_q[i] = pd.qcut(df[i], 5, labels=list(range(5)))
我希望有一个巧妙的解决方案来避免使用循环
谢谢
pd.qcut
接受一维数组或序列作为其参数。要将pd.qcut
应用于每一列,需要多次调用pd.qcut
。所以不管你怎么打扮,都会有一个循环——无论是显式的还是隐式的
例如,可以使用apply
为每个列调用pd.qcut
:
In [46]: df.apply(lambda x: pd.qcut(x, 5, labels=list(range(5))), axis=0)
Out[46]:
0 1 2 3 4
0 4 0 3 0 3
1 0 0 2 3 0
2 3 4 1 2 3
3 4 1 1 1 4
4 3 2 2 4 1
5 2 4 3 0 1
6 2 3 0 4 4
7 1 3 4 2 2
8 0 1 4 3 0
9 1 2 0 1 2
但是在引擎盖下,df.apply
使用了一个for loop
,因此它与您的for loop
没有太大区别:
df_q = pd.DataFrame()
for col in df:
df_q[col] = pd.qcut(df[col], 5, labels=list(range(5)))
注意
for i in list(range(len(df.columns))):
仅当df
的列恰好是从0开始的顺序整数时,才有效。
它使用起来更加健壮
for col in df:
迭代数据帧的列。如何对行调用它?@thomas.mac:将
axis=0
更改为axis=1
以将函数应用于行。但是,请注意,数据帧是,因此如果有大量基于行的数值计算,您可能需要考虑转置您的数据文件:<代码> df= df.t>代码>,因此它们成为基于列的计算。
for col in df: