web-dev-qa-db-fra.com

Mappage des plages de valeurs dans pandas dataframe

Toutes mes excuses si cela a déjà été demandé, mais j'ai longuement cherché sans résultat.

import pandas as pd    
import numpy as np    
df = pd.DataFrame(data = np.random.randint(1,10,10),columns=['a'])    

   a
0  7
1  8
2  8
3  3
4  1
5  1
6  2
7  8
8  6
9  6

Je voudrais créer une nouvelle colonne b qui mappe plusieurs valeurs de a selon une règle, disons que a = [1,2,3] est 1, a = [4,5 , 6,7] est 2, a = [8,9,10] est 3. Le mappage un à un est clair pour moi, mais que se passe-t-il si je veux mapper par une liste de valeurs ou une plage?

J'ai réfléchi dans ce sens ...

df['b'] = df['a'].map({[1,2,3]:1,range(4,7):2,[8,9,10]:3})
pythonpandasdataframecategoriesbinning
8
E. Sommer

Il existe quelques alternatives.

Pandas via pd.cut/NumPy via np.digitize

Vous pouvez construire une liste de limites, puis utiliser des fonctions de bibliothèque spécialisées. Ceci est décrit dans @ la solution d'EdChum , et aussi dans cette réponse .

NumPy via np.select

df = pd.DataFrame(data=np.random.randint(1,10,10), columns=['a'])

criteria = [df['a'].between(1, 3), df['a'].between(4, 7), df['a'].between(8, 10)]
values = [1, 2, 3]

df['b'] = np.select(criteria, values, 0)

Les éléments de criteria sont des séries booléennes, donc pour les listes de valeurs, vous pouvez utiliser df['a'].isin([1, 3]), etc.

Mappage de dictionnaire via range

d = {range(1, 4): 1, range(4, 8): 2, range(8, 11): 3}

df['c'] = df['a'].apply(lambda x: next((v for k, v in d.items() if x in k), 0))

print(df)

   a  b  c
0  1  1  1
1  7  2  2
2  5  2  2
3  1  1  1
4  3  1  1
5  5  2  2
6  4  2  2
7  4  2  2
8  9  3  3
9  3  1  1
16
jpp

IIUC vous pouvez utiliser cut pour y parvenir:

In[33]:
pd.cut(df['a'], bins=[0,3,7,11], right=True, labels=False)+1

Out[33]: 
0    2
1    3
2    3
3    1
4    1
5    1
6    1
7    3
8    2
9    2

Ici, vous passeriez les valeurs de coupure à cut, et cela classerait vos valeurs, en passant labels=False il leur donnera une valeur ordinale (de base zéro) donc vous venez de +1 pour eux

Ici vous pouvez voir comment les coupes ont été calculées:

In[34]:
pd.cut(df['a'], bins=[0,3,7,11], right=True)

Out[34]: 
0     (3, 7]
1    (7, 11]
2    (7, 11]
3     (0, 3]
4     (0, 3]
5     (0, 3]
6     (0, 3]
7    (7, 11]
8     (3, 7]
9     (3, 7]
Name: a, dtype: category
Categories (3, interval[int64]): [(0, 3] < (3, 7] < (7, 11]]
8
EdChum