คุณสามารถใช้pandas.cut
:
bins = [0, 1, 5, 10, 25, 50, 100]
df['binned'] = pd.cut(df['percentage'], bins)
print (df)
percentage binned
0 46.50 (25, 50]
1 44.20 (25, 50]
2 100.00 (50, 100]
3 42.12 (25, 50]
bins = [0, 1, 5, 10, 25, 50, 100]
labels = [1,2,3,4,5,6]
df['binned'] = pd.cut(df['percentage'], bins=bins, labels=labels)
print (df)
percentage binned
0 46.50 5
1 44.20 5
2 100.00 6
3 42.12 5
หรือnumpy.searchsorted
:
bins = [0, 1, 5, 10, 25, 50, 100]
df['binned'] = np.searchsorted(bins, df['percentage'].values)
print (df)
percentage binned
0 46.50 5
1 44.20 5
2 100.00 6
3 42.12 5
... แล้วvalue_counts
หรือgroupby
และรวมsize
:
s = pd.cut(df['percentage'], bins=bins).value_counts()
print (s)
(25, 50] 3
(50, 100] 1
(10, 25] 0
(5, 10] 0
(1, 5] 0
(0, 1] 0
Name: percentage, dtype: int64
s = df.groupby(pd.cut(df['percentage'], bins=bins)).size()
print (s)
percentage
(0, 1] 0
(1, 5] 0
(5, 10] 0
(10, 25] 0
(25, 50] 3
(50, 100] 1
dtype: int64
โดยค่าเริ่มต้นการกลับมาcut
categorical
Series
วิธีการเช่นSeries.value_counts()
จะใช้ทุกหมวดหมู่แม้ว่าบางประเภทไม่ได้อยู่ในข้อมูลการดำเนินงานในเด็ดขาด
bins = [0, 1, 5, 10, 25, 50, 100]
ฉันบอกได้ไหมว่าสร้าง 5 ถังขยะแล้วมันจะตัดมันด้วยการตัดเฉลี่ย ตัวอย่างเช่นฉันมี 110 ระเบียนฉันต้องการตัดออกเป็น 5 ถังโดยมี 22 ระเบียนในแต่ละถัง