pandas - 按连续范围分组 [英] Pandas - group by consecutive ranges

问题描述

我有一个具有以下结构的数据框 - 开始，结束和高度。

数据框的一些属性：

• 数据框中的一行总是从前一行结束的位置开始，即如果行n的结尾是100，那么行n + 1的起始位置是101.


• 第n + 1行的高度总是与第n + 1行的高度不同（这是数据在不同行中的原因）。
  

我想以一种方式对数据帧进行分组，即将高度分组为5桶长的桶，即桶分别为0,1-5,6-10,11-15和> 15 。

请参阅下面的代码示例，其中我正在寻找的是 group_by_bucket 函数的实现。

我试着寻找其他问题，但无法得到我正在寻找的确切答案。

预先感谢！

 >>> d = pd.DataFrame（[[1,3,5]，[4,10,7]，[11,17,6]，[18,26,12]，[27,30,15]，[31， 40,6]，[41,42,7]]，列= ['开始'，'结束'，'高度']）
>>> d 
开始结束高度
 0 1 3 8 
 1 4 10 7 
 2 11 17 6 
 3 18 26 12 
 4 27 30 15 
 5 31 40 6 
 6 41 42 7 
>>> d_gb = group_by_bucket（d）
>>> d_gb 
 start end height_grouped 
 0 1 17 6_10 
 1 18 30 11_15 
 2 31 42 6_10 
  

解决方案

一种方法：

  df = pd.DataFrame（[[1,3,10]，[4,10,7]，[11,17,6]，[18,26,12]，
 [27,30,15 ]，[31,40,6]，[41,42,6]]，columns = ['start'，'end'，'height']）
  

使用 cut 进行分组：

  df ['groups'] = pd.cut（df.height，[ -  1,0,5,10,15,1000]）
  

寻找断点：

  df ['categories'] =（df.groups！= df.groups.shift（））。cumsum（）
  

code> df 是：

 
开始结束高度组类别
 0 1 3 10（5，10] 0 
 1 4 10 7（5，10）0 
 2 11 17 6（5，10）0 
 3 18 26 12（10,15）1 
 4 27 30 15（10,15）1 
 5 31 40 6（5，10）2 
 6 41 42 6（5，10] 2 

  

定义有趣的数据：

  f = {'start'：['first']，'end'：['last']，'groups'：['first']} 
  

并使用 groupby.agg 函数： p>

  df.groupby（'categories'）。agg（f）

 groups end start $ （5,10）17 1 
 1（10,15）30 18 
 2（5,10）42 31 

  

I have a dataframe with the following structure - Start, End and Height.

Some properties of the dataframe:

• A row in the dataframe always starts from where the previous row ended i.e. if the end for row n is 100 then the start of line n+1 is 101.
• The height of row n+1 is always different then the height in row n+1 (this is the reason the data is in different rows).

I'd like to group the dataframe in a way that heights will be grouped in buckets of 5 longs i.e. the buckets are 0, 1-5, 6-10, 11-15 and >15.

See code example below where what I'm looking for is the implemetation of group_by_bucket function.

I tried looking at other questions but couldn't get exact answer to what I was looking for.

Thanks in advance!

>>> d = pd.DataFrame([[1,3,5], [4,10,7], [11,17,6], [18,26, 12], [27,30, 15], [31,40,6], [41, 42, 7]], columns=['start','end', 'height'])
>>> d
   start  end  height
0      1    3       8
1      4   10       7
2     11   17       6
3     18   26      12
4     27   30      15
5     31   40       6
6     41   42       7
>>> d_gb = group_by_bucket(d)
>>> d_gb
   start  end height_grouped
0      1   17           6_10
1     18   30          11_15
2     31   42           6_10

解决方案

A way to do that :

df = pd.DataFrame([[1,3,10], [4,10,7], [11,17,6], [18,26, 12],
[27,30, 15], [31,40,6], [41, 42, 6]], columns=['start','end', 'height'])

Use cut to make groups :

df['groups']=pd.cut(df.height,[-1,0,5,10,15,1000])

Find break points :

df['categories']=(df.groups!=df.groups.shift()).cumsum()

Then df is :

"""
   start  end  height    groups  categories
0      1    3      10   (5, 10]           0
1      4   10       7   (5, 10]           0
2     11   17       6   (5, 10]           0
3     18   26      12  (10, 15]           1
4     27   30      15  (10, 15]           1
5     31   40       6   (5, 10]           2
6     41   42       6   (5, 10]           2
"""

Define interesting data :

f = {'start':['first'],'end':['last'], 'groups':['first']}

And use the groupby.agg function :

df.groupby('categories').agg(f)
"""
              groups  end start
               first last first
categories                     
0            (5, 10]   17     1
1           (10, 15]   30    18
2            (5, 10]   42    31
"""

这篇关于 pandas - 按连续范围分组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！