我有一个pd.float系列浮点数,我想将其分类为n bins,在其中设置每个垃圾箱的垃圾箱大小,以使max / min为预设值(例如1.20)?
该要求意味着垃圾箱的大小不是恒定的。例如:
data = pd.Series(np.arange(1, 11.0))
print(data)
0 1.0
1 2.0
2 3.0
3 4.0
4 5.0
5 6.0
6 7.0
7 8.0
8 9.0
9 10.0
dtype: float64
我希望纸箱尺寸为:
1.00 <= bin 1 < 1.20
1.20 <= bin 2 < 1.20 x 1.20 = 1.44
1.44 <= bin 3 < 1.44 x 1.20 = 1.73
...
等
谢谢
这是我认为的最佳方法,因为您正在考虑数组中的data = pd.Series(list(range(11)))
import numpy as np
n = 20 # set accordingly
bins= np.r_[0,np.cumprod(np.full(n, 1.2))]
# array([ 0. , 1.2 , 1.44 , 1.728 ...
pd.cut(data, bins)
0 NaN
1 (0.0, 1.2]
2 (1.728, 2.074]
3 (2.986, 3.583]
4 (3.583, 4.3]
5 (4.3, 5.16]
6 (5.16, 6.192]
7 (6.192, 7.43]
8 (7.43, 8.916]
9 (8.916, 10.699]
10 (8.916, 10.699]
dtype: category
和np.r_[0,np.cumprod(np.full(20, 1.2))]
array([ 0. , 1.2 , 1.44 , 1.728 , 2.0736 ,
2.48832 , 2.985984 , 3.5831808 , 4.29981696, 5.15978035,
6.19173642, 7.43008371, 8.91610045, 10.69932054, 12.83918465,
15.40702157, 18.48842589, 22.18611107, 26.62333328, 31.94799994,
38.33759992])
值。因此,您无需担心要使用什么值,只需使用multiplier或bin的step_size(当然,如果要使用DataFrame):
max
输出:
min
装箱输出:
data = pd.Series(np.arange(1, 11.0))
bins = []
i = min(data)
while i < max(data):
bins.append(i)
i = i*1.2
bins.append(i)
bins = list(set(bins))
bins.sort()
df = pd.cut(data,bins,include_lowest=True)
print(df)
感谢大家的所有建议。没有人能像我想的那样做(可能是因为我最初的问题还不够清楚),但是它们确实帮助我弄清楚了该怎么做,所以我决定发表自己的答案(我希望这是我应该做的)我是stackoverflow的活跃成员相对较新...)
我最喜欢@yatu的矢量化建议,因为它可以在较大的数据集上更好地扩展,但是我追求的不仅是自动计算bin的方法,而且还可以找出覆盖数据集所需的bin的最小数量。
这是我提出的算法:
0 (0.999, 1.2]
1 (1.728, 2.074]
2 (2.986, 3.583]
3 (3.583, 4.3]
4 (4.3, 5.16]
5 (5.16, 6.192]
6 (6.192, 7.43]
7 (7.43, 8.916]
8 (8.916, 10.699]
9 (8.916, 10.699]
Categories (13, interval[float64]): [(0.999, 1.2] < (1.2, 1.44] < (1.44, 1.728] < (1.728, 2.074] < ... <
(5.16, 6.192] < (6.192, 7.43] < (7.43, 8.916] <
(8.916, 10.699]]
bin_max_i / bin_min_i = bin_ratio
data_ratio = data_max / data_min
n_bins = math.ceil( math.log(data_ratio) / math.log(bin_ratio) )
bin_min_0 = data_min
这里是代码段:
bin_min_i+1 = bin_max_i
bin_max_i+1 = bin_min_i+1 * bin_ratio
我现在准备建立数据的直方图:
bin_max_last > data_max