分类分箱的问题

Question

所以我试图获取占总计数 50% 或更多的非序数分类列的最高值，因此所有其他出现的情况都被替换为“其他”。

values_df = df['column'].value_counts(normalize = True)

total = 0
for i, row in enumerate(values_df.values):
      row = round(row,2)
      if total <= 0.5:
           total+=row
      else:
           df['column'][i] = 'others'

但是当我 print(df['column'].value_counts()) 时，我没有看到下面的值被更改为其他值。

Answer 1

IIUC，您可以使用

cumsum

计算累计总数，然后进行布尔索引（将 Series 转换为对象后）：

values_df = (df['column']
             .value_counts(normalize = True)
             .round(2)
            )
m = values_df.cumsum().gt(0.5)

values_df = values_df.astype(object)
values_df[m] = 'others'