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
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-string
s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。
我来说两句