5

我正在慢慢地从R转向python + pandas,我面临着一个我无法解决的问题......

我需要将一列中的值离散化,方法是将它们分配给 bin 并将具有这些 bin 名称的列添加到 original DataFrame。我正在尝试使用pandas.qcut,但生成的Categorical对象似乎与DataFrame.

一个例子:

import pandas as pd
df1 = pd.DataFrame(np.random.randn(10), columns=['a'])
df1['binned_a'] = pd.qcut(df1['a'],4)

现在,当尝试调用describe时,df1我看不到新列:

>>> df1.describe()
               a
count  10.000000
mean    0.594072
std     1.109981
min    -0.807307
25%    -0.304550
50%     0.545839
75%     1.189487
max     2.851922

但是,它显然在那里:

>>> df1
          a          binned_a
0  0.190015   (-0.305, 0.546]
1  0.140227   (-0.305, 0.546]
2  1.380000    (1.189, 2.852]
3 -0.522530  [-0.807, -0.305]
4 -0.452810  [-0.807, -0.305]
5  2.851922    (1.189, 2.852]
6 -0.807307  [-0.807, -0.305]
7  0.901663    (0.546, 1.189]
8  1.010334    (0.546, 1.189]
9  1.249205    (1.189, 2.852]

我究竟做错了什么?我想要的结果是得到一个包含 4 个唯一字符串值的列来描述这些 bin(如 R 中的因子)。


编辑:

正如 Dan 正确发现的那样,该summary()方法不会显示包含纯文本数据的列,因此解决了神秘的问题 :) 非常感谢!

4

1 回答 1

3

我从来不是 R 用户,但如果我理解你的话,你想将数据分组到 bin 中并描述每个 bin。

In [9]: df.groupby('binned_a').describe().unstack()
Out[9]:               a                                                   \
                  count      mean       std       min       25%       50%   
binned_a                                                                    
(-0.113, 0.109]       2  0.025114  0.010264  0.017856  0.021485  0.025114   
(-0.337, -0.113]      2 -0.282838  0.056445 -0.322751 -0.302794 -0.282838   
(0.109, 0.563]        3  0.354481  0.214402  0.134978  0.250027  0.365076   
[-1.842, -0.337]      3 -1.003969  0.765167 -1.841622 -1.335073 -0.828523   


                   75%       max  
binned_a                              
(-0.113, 0.109]   0.028742  0.032371  
(-0.337, -0.113] -0.262882 -0.242925  
(0.109, 0.563]    0.464233  0.563390  
[-1.842, -0.337] -0.585142 -0.341762  

要完全避免分类,请参阅https://stackoverflow.com/a/17150734/1221924

于 2013-07-03T14:18:29.957 回答