从具有给定中位数的数据帧创建数据区间

Question

我有一个很大的主题数据框。为了简单起见，我在下面发布了我的数据框的较小修改版本。

subject   age   sex   
A         5.35  Female
B         5.70  Male
C         6.00  Female
D         6.07  Male
E         6.25  Male
F         6.88  Male
G         7.00  Female
H         7.02  Male
I         7.11  Female
J         8.00  Male
K         8.50  Female

我正在编写一个函数，它将输入

age

和

tail

（最终使用我拥有的大数据框输入

sex

）。所需的输出是从数据框中过滤出来的区间数据框，年龄输入是区间的中位数，

tail

是中位数两侧的数据点数量，

age

输入。

df.loc

并不完全是我想要的。示例功能如下：

def interval_set(age = 7, tail = 3):
   # take dataframe above and output below:

Out[1]:

subject   age   sex   
D         6.07  Male
E         6.25  Male
F         6.88  Male
G         7.00  Female
H         7.02  Male
I         7.11  Female
J         8.00  Male

提前致谢！

Answer 1

如果我理解正确的话，您需要在最接近目标的值之前和之后有 3 (

tail

) 个值（

age

，此处为 7）。

你可以

sort_values

，然后用

abs

差和

idxmin

得到最接近目标的点，最后用布尔索引进行选择：

def interval_set(df, age=7, tail=3):
    s = df['age'].sort_values()
    idx = np.arange(len(s))-s.sub(age).abs().idxmin()
    return df.loc[s.index[abs(idx)<=tail]]

out = interval_set(df)

输出：

  subject   age     sex
3       D  6.07    Male
4       E  6.25    Male
5       F  6.88    Male
6       G  7.00  Female
7       H  7.02    Male
8       I  7.11  Female
9       J  8.00    Male