Python 如何将熊猫中不同间隔的一列与另一列进行分组？

我有以下pd.DataFrame：

source = pd.DataFrame([[0.99, 0.98, 0.93, 0.81, 0.85, 0.71, 0.7, 0.69, 0.68, 0.66], 
              [100, 12, 312, 23, 2, 12, 32, 21, 21, 21]]).T

我希望尽快将其转换为：

desired_result = pd.DataFrame([[0.9, 0.8, 0.7, 0.6], [424, 25, 44, 63]]).T

其中，我定义了

0.1

的间隔，我将该间隔应用于

0

列和

源

数据帧，并对同一数据帧的

1

列求和。这个想法是，这应该以不同的间隔工作

我尝试的是：

我曾考虑过使用

pd.cut

，但这似乎不是我想要的

我知道如果我在

source

中添加一个新列，该列对应的行上有0.9、0.8、0.7和0.6的重复值，那么我可以在这个新列上使用

groupby

，然后使用

sum

，但我想知道是否有更干净、更快捷的方法？e、 g.smth如下所示：

但是，如果我将时间间隔从0.1更改为0.05，上述方法将不起作用

---

任何帮助都将不胜感激。

您可以使用我对其进行了3次修改的

自定义功能：

我用了
np.floor
而不是
round
，因为你想下去
这会弄乱箱子“边界”上的值，因此我添加
+base/100
（因此
0.9
将是
0.9+.009=0.909
，并向下舍入到.9，而不是不正确地舍入到0.8），以便它刚好位于边界上方，并正确地向下舍入。我想这会涵盖你的。为了安全起见，您可以执行
1/1000
我分享的答案是寻找
int
，因此删除了
int
，因为我们正在寻找舍入浮动

在我的计算机上，接受的答案较慢：

102 ms ± 1.86 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

您可以使用一个
custom\u round
函数，我对该函数进行了3次修改：

我用了
np.floor
而不是
round
，因为你想下去
这会弄乱箱子“边界”上的值，因此我添加
+base/100
（因此
0.9
将是
0.9+.009=0.909
，并向下舍入到.9，而不是不正确地舍入到0.8），以便它刚好位于边界上方，并正确地向下舍入。我想这会涵盖你的。为了安全起见，您可以执行
1/1000
我分享的答案是寻找
int
，因此删除了
int
，因为我们正在寻找舍入浮动

在我的计算机上，接受的答案较慢：

102 ms ± 1.86 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

对于速度：始终尝试尽可能地矢量化，并尽可能避免应用
apply

这里有一个更快的方法（归功于@DavidErickson的
sort=False
）：

对于较大的
df
，速度差异可能非常显著

尝试使用100万行，分组在10K存储箱中：

source = pd.DataFrame(np.random.normal(scale=1000, size=(int(1e6), 2)))

%%timeit
# ... (as above)
26.7 ms ± 292 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

使用
应用
：

1.51 s ± 11 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

（速度慢50倍）。
关于速度：始终尽可能尝试矢量化，并尽可能避免应用

这里有一个更快的方法（归功于@DavidErickson的
sort=False
）：

对于较大的
df
，速度差异可能非常显著

尝试使用100万行，分组在10K存储箱中：

source = pd.DataFrame(np.random.normal(scale=1000, size=(int(1e6), 2)))

%%timeit
# ... (as above)
26.7 ms ± 292 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

使用
应用
：

1.51 s ± 11 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

（慢50倍）。
谢谢。但是如果我定义了不同的时间间隔，它对每个时间间隔都不起作用，对吗？是的，这只对0.1的时间间隔起作用。我可能把我的问题说错了（这是我的错）。为了清晰起见，我现在编辑了一点。@Newskooler我使它更具活力他的作品。申请是一个确定的方法。谢谢，谢谢。但是如果我定义了不同的时间间隔，它对每个时间间隔都不起作用，对吗？是的，这只对0.1的时间间隔起作用。我可能把我的问题说错了（这是我的错）。为了清晰起见，我现在编辑了一点。@Newskooler我使它更具活力他的作品。申请是一个确定的方法。谢谢。看起来你的电脑很快（我的电脑比你的慢3倍）。无论如何，在我的电脑上，我的解决方案大约快10%。另外，将
sort=False
传递给groupby会使你的代码速度提高5%左右。@DavidErickson：使用
sort=False
是个好主意。这不是我的电脑，我只是租了它。。。一个普通的
r5d.2xlarge
AWS实例。看起来你的电脑速度很快（我的电脑比你的慢3倍）。无论如何，在我的电脑上，我的解决方案大约快10%。另外，将
sort=False
传递给groupby会使你的代码速度提高5%左右。@DavidErickson：使用
sort=False
是个好主意。这不是我的电脑，我只是租了它。。。普通的
r5d.2xlarge
AWS实例。