3

我正在尝试根据在第二个数据帧中定义的箱将数据分箱到一个数据帧中。我在想 pd.bin 和 pd.merge 的某种组合可能会让我到达那里？

这基本上是每个数据框当前的形式：

df = pd.DataFrame({'id':['a', 'b', 'c', 'd','e'],
                   'bin':[1, 2, 3, 3, 2],
                   'perc':[0.1,0.9,0.3,0.7,0.5]})

df2 = pd.DataFrame({'bin':[1, 1, 1, 2, 2, 2, 3, 3, 3], 
                    'result':['low', 'medium','high','low', 'medium','high','low', 'medium','high'],
                    'cut_min':[0,0.2,0.6,0,0.3,0.7,0,0.4,0.8],
                    'cut_max':[0.2,0.6,1,0.3,0.7,1,0.4,0.8,1]})

东风：

bin id  perc
1   a   0.1
2   b   0.9
3   c   0.3
3   d   0.7
2   e   0.5

这是带有垃圾箱的表格，df2：

bin cut_max cut_min result
1   0.2     0.0     low
1   0.6     0.2     medium
1   1.0     0.6     high
2   0.3     0.0     low
2   0.7     0.3     medium
2   1.0     0.7     high
3   0.4     0.0     low
3   0.8     0.4     medium
3   1.0     0.8     high

我想匹配 bin，并使用包含 df 中 perc 值的 cut_min 和 cut_max 在 df2 中找到适当的结果。所以，我希望结果表如下所示：

bin id  perc    result
1   a   0.1     low
2   b   0.9     high
3   c   0.3     low
3   d   0.7     medium
2   e   0.5     medium

我最初是在一个 SQL 查询中写的，它通过一个连接非常简单地完成了任务：

select
  df.id
  , df.bin
  , df.perc
  , df2.result
from df
inner join df2
  on df.bin = df2.bin
  and df.perc >= df2.cut_min 
  and df.perc < df2.cut_max

如果有人知道使用 Pandas 执行此操作的好方法，将不胜感激！（这实际上是我第一次在stackoverflow上搜索不到解决方案，所以如果上述任何一个解释得不够好，我深表歉意！）

4

2 回答 2

5

首先在列上合并df和df2bin，然后选择其中的行cut_min <= perc < cut_max：

In [95]: result = pd.merge(df, df2, on='bin').query('cut_min <= perc < cut_max'); result
Out[95]: 
    bin id  perc  cut_max  cut_min  result
0     1  a   0.1      0.2      0.0     low
5     2  b   0.9      1.0      0.7    high
7     2  e   0.5      0.7      0.3  medium
9     3  c   0.3      0.4      0.0     low
13    3  d   0.7      0.8      0.4  medium

In [97]: result = result[['bin', 'id', 'perc', 'result']]

In [98]: result.sort('id')
Out[98]: 
    bin id  perc  result
0     1  a   0.1     low
5     2  b   0.9    high
9     3  c   0.3     low
13    3  d   0.7  medium
7     2  e   0.5  medium
于 2014-09-03T20:03:29.110 回答
0

模块bitstring有一个名为 BitArray 的类，您可以使用字节数组对其进行初始化：

（你需要pip install bitarray）

from bitstring import BitArray


BitArray(bytes = <byte_array>)
于 2020-12-27T13:12:14.293 回答