цикл if для категоризации при условии

Question

Я довольно плохо знаком с Python и привык использовать R. Для этого я бы использовал as.factor и классифицировал на основе числа.

Ранее я пытался использовать функции replace и .loc вчтобы дать новое значение категории в новом столбце в соответствии с условием, но он будет работать только с ошибкой при том, что я хотел сделать.

В конце концов я создал следующую, очень простую функцию:

g['Category'] = ""

for i in g['NumFloorsGroup']:
    if i == '0-9' or i == '10-19':
        g['Category'] = 'LowFl'
    elif i == '50~':
        g['Category'] = 'HighFl'
    else:
        g['Category'] = 'NormalFl'

Когда я запускаю функцию, она возвращает только «LowFl» и не исправляет другие части.Я чувствую, что что-то упустил.

информация о данных выглядит следующим образом:

<class 'pandas.core.frame.DataFrame'>
Int64Index: 596 entries, 128 to 595
Data columns (total 4 columns):
YearBuilt         596 non-null int64
NumFloorsGroup    596 non-null category
Count             596 non-null int64
Category          596 non-null object
dtypes: category(1), int64(2), object(1)

Любой комментарий будет полезен!

bins = [0, 10, 20, 30, 40, 50, np.inf]
labels = ['0-9', '10-19', '20-29', '30-39', '40-49', '50~']
copy = original_data.copy()
copy['NumFloorsGroup'] = pd.cut(copy['NumFloors'], bins=bins, labels=labels, include_lowest=True)

g = (copy.groupby(['YearBuilt', 'NumFloorsGroup'])['YearBuilt']
        .count()
        .reset_index(name="Count")
                 .sort_values(by='Count', ascending=False))

И части, которые тольковозвращает LowFl

g['Category'] = ""

for i in g['NumFloorsGroup']:
    if i == '0-9' or i == '10-19':
        g['Category'] = 'LowFl'
    elif i == '50~':
        g['Category'] = 'HighFl'
    else:
        g['Category'] = 'NormalFl'

Возвращает всю категорию как LowFl

    YearBuilt   NumFloorsGroup  Count   Category
128 1920    0-9 90956   LowFl
171 1930    0-9 76659   LowFl
144 1925    0-9 70387   LowFl
237 1950    0-9 47237   LowFl
91  1910    0-9 46384   LowFl

Answer 1

Я предлагаю изменить cut функцию с новыми корзинами и новыми метками, потому что лучше всего избегать циклов в пандах, потому что медленнее, если существуют некоторые векторизованные функции:

df = pd.DataFrame({'Floors':[0,1,10,19,20,25,40, 70]})

bins = [0, 10, 20, 30, 40, 50, np.inf]
labels = ['0-9', '10-19', '20-29', '30-39', '40-49', '50~']

df['NumFloorsGroup'] = pd.cut(df['Floors'], 
                              bins=bins, 
                              labels=labels,
                              include_lowest=True)

df['Category'] = pd.cut(df['Floors'], 
                        bins=[0, 19, 50, np.inf], 
                        labels=['LowFl','NormalFl','HighFl'],
                        include_lowest=True)

print (df)
   Floors NumFloorsGroup  Category
0       0            0-9     LowFl
1       1            0-9     LowFl
2      10            0-9     LowFl
3      19          10-19     LowFl
4      20          10-19  NormalFl
5      25          20-29  NormalFl
6      40          30-39  NormalFl
7      70            50~    HighFl

Или используйте map с диктатом с fillna для замены значений, не указанных в * (NaN с), на NormalFl:

d = { "0-9": 'LowFl',  "10-19": 'LowFl',"50+": 'HighFl'}
df['Category']  = df['NumFloorsGroup'].map(d).fillna('NormalFl')

Answer 2

Причина, по которой ваше решение не работает, заключается в том, что вы не выполняете итерации по фрейму данных.Поэтому, чтобы исправить свое решение, вместо непосредственного присвоения его столбцу, добавьте значения в список, а затем, позже, назначьте список для фрейма данных.

category = []
for i in g['NumFloorsGroup']:
    if i == '0-9' or i == '10-19':
        category.append('LowFl')
    elif i == '50~':
        category.append('HighFl')
    else:
        category.append('NormalFl')

g.assign(category = category)

Answer 3

Вы можете попробовать это:

d = {
  "0-9": 'LowFl',
  "10-19": 'LowFl',
  "10-19": '50~',
}
g['NumFloorsGroup'].map(lambda key: d.get(key, 'NormalFl'))