我有一个像这样的pandas数据框,想创建一个像这样的列created_column
:
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 0
333 0 0 0 0 0 b 0
......
222 1 2 3 4 5 aa 1
324 1 2 3 4 5 cc 1
......
1234 1 0 0 0 1 a 1
1235 0 2 0 4 0 a 0
1236 0 0 3 0 0 a 0
1237 0 0 1 0 0 b 0
1238 0 2 0 2 0 b 0
1239 3 0 0 0 3 b 1
说明:
我想创建一个在行中具有1的列,其中该iv_5
列中的值出现的时间少于或等于数据的40%,这将用于具有值1、3和5的行,如上面的示例所示。我该怎么做呢?
第二个问题:
在创建其他列时,如何也包括小于x%和大于y%的内容,类似于上面的列创建。
使用GroupBy.transform
除以的长度,DtaFrame
并测试Series.le
小于或等于:
df['created_column'] = df.groupby('iv_5')['iv_5'].transform('size').div(len(df)).le(0.4).view('i1')
print (df)
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 0
333 0 0 0 0 0 b 0
222 1 2 3 4 5 aa 1
324 1 2 3 4 5 cc 1
1234 1 0 0 0 1 a 1
1235 0 2 0 4 0 a 0
1236 0 0 3 0 0 a 0
1237 0 0 1 0 0 b 0
1238 0 2 0 2 0 b 0
1239 3 0 0 0 3 b 1
要么:
s = df['iv_5'].value_counts(normalize=True)
idx = s.index[s <= 0.4]
df['created_column'] = df['iv_5'].isin(idx).view('i1')
如果需要Series.between
,无论是默认包容性,这意味着>=
,<=
为>
和<
使用参数inclusive=False
:
df['created_column'] = df.groupby('iv_5')['iv_5'].transform('size').div(len(df)).between(0.2, 0.5).view('i1')
print (df)
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 0
333 0 0 0 0 0 b 0
222 1 2 3 4 5 aa 1
324 1 2 3 4 5 cc 1
1234 1 0 0 0 1 a 0
1235 0 2 0 4 0 a 0
1236 0 0 3 0 0 a 0
1237 0 0 1 0 0 b 0
1238 0 2 0 2 0 b 0
1239 3 0 0 0 3 b 0
如果需要不能使用诸如>
和<=
之间的组合,则可以选择以下方法:
s1 = df.groupby('iv_5')['iv_5'].transform('size').div(len(df))
df['created_column'] = ((s1 > 0.2) & (s1 <= 0.6)).view('i1')
print (df)
iv_1 iv_2 iv_3 iv_4 iv_5 col2rplc created_column
0 0 0 0 0 0 a 1
333 0 0 0 0 0 b 1
222 1 2 3 4 5 aa 0
324 1 2 3 4 5 cc 0
1234 1 0 0 0 1 a 0
1235 0 2 0 4 0 a 1
1236 0 0 3 0 0 a 1
1237 0 0 1 0 0 b 1
1238 0 2 0 2 0 b 1
1239 3 0 0 0 3 b 0
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句