Bin 使用累积和而不是 python 中的观察值

Question

假设我有一个数据框，其中有一列如下：Weight110.750.50.250.51111我想创建两个数据箱并向数据框中添加一列，以显示每行所在的数据箱，但我不想对观测值进行分箱（即前 5 个观测值进入数据箱 1，最后 5 个观测值进入数据箱） 2）。相反，我希望进行分箱，使每个分箱的权重总和相等或尽可能接近相等，而不更改列的顺序。所以，我希望结果是Weight  I want  Not this1          1       11          1       10.75       1       10.5        1       10.25       1       10.5        1       21          2       21          2       21          2       21          2       2Pandas 中是否有内置的东西已经做到了这一点，或者有人可以分享关于如何实现这一点的任何想法吗？谢谢！

Answer 1

这应该可以做到：

df = pd.DataFrame(

        {'Weight': [1, 1, 0.75, 0.5, 0.25, 0.5, 1, 1, 1, 1]})

weight_sum = df.Weight.sum()

df['bin'] = 1

df.loc[df.Weight.cumsum() > weight_sum / 2, 'bin'] = 2

print(df)

输出：

   Weight  bin

0    1.00    1

1    1.00    1

2    0.75    1

3    0.50    1

4    0.25    1

5    0.50    1

6    1.00    2

7    1.00    2

8    1.00    2

9    1.00    2

Answer 2

pd.cut您可以在cumsum列的上使用Weights。

df = pd.DataFrame({'Weight' : [1, 1, 0.75, 0.5, 0.25, 0.5, 1, 1, 1, 1]})

s =  df['Weight'].sum()

pd.cut(df['Weight'].cumsum(), [-1, s/2, s], labels=[1,2])

为此s = 8 ，默认创建组(-1, 4]和(4, 8]。（这是数学符号 - 精确的值4将包含在第一组中）

您可以选择不同的方式，并通过指定和调整边界将值精确地4放入第二组中，这将为您提供组和right = False[0, 4)[4, 9)

pd.cut(df['Weight'].cumsum(), [0, s/2, s+1], labels=[1,2], right=False)

和用来指定精确或分别-1的值仍应位于该组中。s+108