我如何对熊猫系列进行装箱，将每个装箱的箱尺寸设置为最大/最小预设值

Question

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

Answer 1

这里是pd.cut，其中pd.cut可以用填充有bins的数组的np.cumprod进行计算：

np.cumprod

---

在这种情况下垃圾箱上升到：

1.2

因此，您必须根据实际数据的值范围进行设置

Answer 2

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)

Answer 3

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：

1. bin大小已定义，因此bin_max_i / bin_min_i为常数：

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]

2. 找出所需箱尺寸（bin_ratio）的箱数量：

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]]

3. 为最小的bin设置下边界，以使最小的数据点适合其中：

bin_max_i / bin_min_i = bin_ratio

4. 创建满足条件的n个非重叠垃圾箱：

data_ratio = data_max / data_min
n_bins = math.ceil( math.log(data_ratio) / math.log(bin_ratio) )

5. 一旦可以将所有数据集分配到已经创建的仓中，则停止创建其他仓。换句话说，停止一次：

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