Преобразовать значение кадра данных в значение диапазона в Python 3

Question

У меня есть фрейм данных со значениями:

3.05
35.97
49.11
48.80
48.02
10.61
25.69
6.02 
55.36
0.42
47.87
2.26
54.43
8.85 
8.75
14.29
41.29
35.69
44.27
1.08

Я хочу преобразовать значение в диапазон и дать новое значение каждому значению.Из df мы знаем, что минимальное значение равно 0,42, а максимальное значение равно 55,36.Из диапазона от минимума до максимума я хочу разделить на 4 группы:

0.42  - 14.15 transform to 1 
14.16 - 27.88 transform to 2
27.89 - 41.61 transform to 3
41.62 - 55.36 transform to 4

, поэтому ожидаемый результат

1
3
4
4
4
1
2
1
4
1
4
1
4
1
1
2
3
3
4
1

Answer 1

Обычно это называется биннингом, но панды называют его cut.Пример кода приведен ниже:

import pandas as pd

# Create a list of numbers, with a header called "nums"
data_list = [('nums', [3.05, 35.97, 49.11, 48.80, 48.02, 10.61, 25.69, 6.02, 55.36, 0.42, 47.87, 2.26, 54.43, 8.85, 8.75, 14.29, 41.29, 35.69, 44.27, 1.08])]

# Create the labels for the bin
bin_labels = [1,2,3,4]

# Create the dataframe object using the data_list
df = pd.DataFrame.from_items(data_list)

# Define the scope of the bins
bins = [0.41, 14.16, 27.89, 41.62, 55.37]

# Create the "bins" column using the cut function using the bins and labels
df['bins'] = pd.cut(df['nums'], bins=bins, labels=bin_labels)

Это создает кадр данных, имеющий следующую структуру:

print(df)

     nums bins
0    3.05    1
1   35.97    3
2   49.11    4
3   48.80    4
4   48.02    4
5   10.61    1
6   25.69    2
7    6.02    1
8   55.36    4
9    0.42    1
10  47.87    4
11   2.26    1
12  54.43    4
13   8.85    1
14   8.75    1
15  14.29    2
16  41.29    3
17  35.69    3
18  44.27    4
19   1.08    1

Answer 2

Вы также можете посмотреть на панды квантили https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.quantile.html

Answer 3

Вы можете создать функцию, подобную следующей, чтобы иметь полный контроль над процессом:

def transform(l):
    l2 = []
    for i in l:
        if 0.42 <= i <= 14.15:
            l2.append(1)
        elif i <= 27.8:
            l2.append(2)
        elif i <= 41.61:
            l2.append(3)
        elif i <= 55.36:
            l2.append(4)
    return(l2)

df['nums'] = transform(df['nums'])