Python - 遍历离散箱列表并选择行

Question

我有一个columnA整数值介于 -3 和 89 之间的 DataFrame。我想选择所有值在columnA离散的 10 个单元箱之间的行，例如-10 到 00 到 10 ...80 到 90我可以像这样生成每个 bin 中的行数列表：pd.cut(DataFrame['columnA'], np.arange(-10, 100, 10), include_lowest=True, labels=False).value_counts().sort_index().to_list()产生这样的列表：[505, 25000, 21, 393, 79232, 953000, 24121, 662, 50, 900]现在，如果我想检查第一个 bin 中的所有行，我可以像这样选择它们：DataFrame.sort_values('columnA', ascending=True).iloc[0:505]如何编写一个函数来选择 bin N 中的所有行？

Answer 1

这个怎么样？我假设您的垃圾箱的形式为 [a, b[ （在下限关闭并在上限打开。

df = pd.DataFrame(map(lambda x: int(x), (np.random.uniform(-3,89,1000))), columns=['ColumnA'])

def bin_func(df, N, col='ColumnA', xmin=-10, xmax=100, Nbins=10): 

    df_sorted = df.sort_values(col, ascending=True) 

    bins = np.arange(xmin, xmax, Nbins)

    if N > Nbins-1:

        return(pd.DataFrame())

    return(df_sorted[(df_sorted[col] >= bins[N]) & (df_sorted[col]<bins[N+1])])

Answer 2

使用DataFrame.groupby+ Series.cumsum：

def get_bin(n):

     return df.groupby(df.index.isin([505, 25000, 21, 393, 79232, 953000, 24121, 662, 50, 900]).cumsum()).get_group(n)

这会将您的数据框分为称为 0,1,2,3,4,5 ... n 的组。您选择使用groupby.get_group。

这是一个例子：

print(df)

   a  b  c  d

0  0  1  1  x

1  0  1  5  y

2  0  1  5  x

3  0  1  0  y

4  1  1  5  x

5  0  1  4  y

6  1  0  1  x

7  1  1  3  y

8  0  1  2  x

9  0  0  0  y

groups=df.index.isin([2,4,7,9]).cumsum()

print(groups)

#array([0, 0, 1, 1, 2, 2, 2, 3, 3, 4])

print(df.groupby(groups).get_group(0))

   a  b  c  d

0  0  1  1  x

1  0  1  5  y