如何使用熊猫将连续数字转换为类别？

s_khan92

我正在寻找这个问题的解决方案几天，但很遗憾没有成功。

我在这样的列中有连续的值：

Val: 1, 15, 2, 91, 52, 126

我需要将这些数字转换为类别作为间隔。例如，第一个数字应位于类别（1-10）中

我知道我们可以定义间隔并使用转换数据 pd.cut

pd.cut(df.val, right=False)

但是我的问题是我无法定义间隔，因为我拥有数百万的价值。

理想的解决方案是我可以定义间隔范围，然后它会自动搜索值并将其转换为该类别。

这是我理想的输出：

Val     Val_Cat
1        1-10
15       10-20
2        1-10
91       90-100
52       50-60
126      120-130

耶斯雷尔

一种想法是使用数学与整数除法通过//通过10，然后由多个10和最后转换为字符串（与repalce如果需要的话）：

s = df['Val'] // 10 * 10
df['new'] = s.replace(0, 1).astype(str) + '-' + (s + 10).astype(str)
print (df)
   Val  Val_Cat      new
0    1     1-10     1-10
1   15    10-20    10-20
2    2     1-10     1-10
3   91   90-100   90-100
4   52    50-60    50-60
5  126  120-130  120-130

用f-strings替代：

df['new'] = df['Val'].map(lambda x: f'{x//10*10}-{(x//10*10)+10}')
print (df)
   Val  Val_Cat      new
0    1     1-10     0-10
1   15    10-20    10-20
2    2     1-10     0-10
3   91   90-100   90-100
4   52    50-60    50-60
5  126  120-130  120-130

您可以通过以下方式更改带有割的解决方案：

bins = np.arange(0, df['Val'].max() // 10 * 10 + 20, 10)

df['new'] = pd.cut(df.Val, bins = bins, right=False)
print (df)
   Val  Val_Cat         new
0    1     1-10     [0, 10)
1   15    10-20    [10, 20)
2    2     1-10     [0, 10)
3   91   90-100   [90, 100)
4   52    50-60    [50, 60)
5  126  120-130  [120, 130)

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。