Изменить значения столбцов в пандах в зависимости от условий

Question

ДФ:

      A
0    219
1    590
2    272
3    945
4    175
5    930
6    662
7    472
8    251
9    130

Я пытаюсь создать новый квантиль столбца, на основе которого в квантиль попадает значение, например:

if value > 1st quantile : value = 1
if value > 2nd quantile : value = 2
if value > 3rd quantile : value = 3
if value > 4th quantile : value = 4

Код:

f_q = df['A'] .quantile (0.25)
s_q = df['A'] .quantile (0.5)
t_q = df['A'] .quantile (0.75)
fo_q = df['A'] .quantile (1)


index = 0
for i  in range(len(test_df)):

   value = df.at[index,"A"]
   if value > 0 and value <= f_q:
       df.at[index,"A"] = 1

   elif value > f_q and value <= s_q:
       df.at[index,"A"] = 2

   elif value > s_q and value <= t_q:
       df.at[index,"A"] = 3

   elif value > t_q and value <= fo_q:
       df.at[index,"A"] = 4


   index += 1

Код работает нормально. Но я хотел бы знать, есть ли более эффективный способ сделать это пандами. Любые предложения полезны.

Answer 1

Да, используя pd.qcut:

>>> pd.qcut(df.A, 4).cat.codes + 1
0    1
1    3
2    2
3    4
4    1
5    4
6    4
7    3
8    2
9    1
dtype: int8

(Дает мне точно такой же результат, как ваш код.)

Вы также можете позвонить np.unique на результат qcut:

>>> np.unique(pd.qcut(df.A, 4), return_inverse=True)[1] + 1
array([1, 3, 2, 4, 1, 4, 4, 3, 2, 1])

Или, используя pd.factorize (обратите внимание на небольшую разницу в выходе):

>>> pd.factorize(pd.qcut(df.A, 4))[0] + 1
array([1, 2, 3, 4, 1, 4, 4, 2, 3, 1])