Python Pandas 数据分组

在数据处理中，分箱、分组是一种常见的技术，用于将连续数据的间隔分组到“箱”或“桶”中。我们将讨论以下两种方法：

1. 使用 Pandas 的 between 和 loc 方法：

   • between 方法返回一个布尔向量，指示 Series 元素是否位于给定的边界值之间。

   • loc 方法用于根据条件选择数据。

   • 示例：将学生的分数分为等级 A、B 和 C。

   • 代码示例：

     import pandas as pd
     import numpy as np
     
     # 创建随机成绩score数据
     df = pd.DataFrame({'score': np.random.randint(0, 101, 1000)})
     
     print(df)
     ##########
        score
     0     56
     1     94
     2     89
     3     58
     4     29
     5     37
     6     63
     7     64
     8     82
     9     76
     ##########
     
     # 0~50分 成绩等级grade为C
     df.loc[df['score'].between(0, 50, inclusive='both'), 'grade'] = 'C'
     # 50~80分 成绩等级grade为B
     df.loc[df['score'].between(50, 80, inclusive='right'), 'grade'] = 'B'
     # 80~100分 成绩等级grade为A
     df.loc[df['score'].between(80, 100, inclusive='right'), 'grade'] = 'A'
     
     print(df)
     ##########
        score grade
     0     56     B
     1     94     A
     2     89     A
     3     58     B
     4     29     C
     5     37     C
     6     63     B
     7     64     B
     8     82     A
     9     76     B
     ##########
     
     

   • 查看每个等级的人数：df['grade'].value_counts()

     print(df['grade'].value_counts())
     ##########
     grade
     B    5
     A    3
     C    2
     ##########
     

2. 使用 Pandas 的 cut 方法：

   • cut 方法将值分类为离散的间隔。

   • 示例：将分数分为等级 C、B 和 A。

   • 代码示例：

     bins = [0, 50, 80, 100]
     labels = ['C', 'B', 'A']
     # 分仓
     df['grade'] = pd.cut(x=df['score'], bins=bins, labels=labels, include_lowest=True)
     
     print(df)
     ##########
        score grade
     0     56     B
     1     94     A
     2     89     A
     3     58     B
     4     29     C
     5     37     C
     6     63     B
     7     64     B
     8     82     A
     9     76     B
     ##########
     

   • 查看每个等级的人数：df['grade'].value_counts()

     print(df['grade'].value_counts())
     ##########
     grade
     B    5
     A    3
     C    2
     ##########