如何使用熊猫按小于 4 的差值对项目进行分组

此类操作通常分两步完成：

1. 创建一个键来分组。
2. 使用 groupby 计算汇总统计信息。

我假设您已将数据框df定义为

df = pd.DataFrame.from_items([('x', [ 1,2,3,3,3,5,9,10,11,13]), 
    ('y', [1,1,1,1,1,4,4,1,1,1])])

在您的问题中，第一步没有很好地定义。如果数据密集，如何在组之间绘制边界？例如，如果您有 ，您想对组做df['x'] = [ 1,2,3,3,5,7,9,10,11,13]什么？

最简单的想法是四舍五入x到您想要的精度。这确保组中任何整数之间的距离不超过 4。 但是组将被放置而没有间隙：1-5 到 5、6-10 到 10、11-15 到 15 等。

def custom_round(x, precision, offset):
    return ((x-offset) // precision) * precision + offset
df['xclass'] = custom_round(df['x'], 5, 1)

另一个想法是拥有足够密集的组：如果两个组之间的最小距离小于阈值，则可以合并两个组。这种算法可以产生由大于阈值的间隙划分的大组。它可以用 DBSCAN 聚类算法来实现。要拥有您想要的组，您可以将阈值距离设置为 3（因为 5 和 9 之间的距离已经是 4）：

from sklearn.cluster import DBSCAN
def cluster(x, threshold):
    labels = DBSCAN(eps=3, min_samples=1).fit(np.array(x)[:, np.newaxis]).labels_ 
    return x.groupby(labels).transform(min)
df['xclass'] = cluster(df['x'], 3)

第二步很简单：拥有df包含列xclass和的数据框y，调用：

df.groupby('xclass')['y'].aggregate([min, max]).reset_index()