如何组合两列以使第三列按方法从组中获取属性？

Posted 2023-03-11

【中文标题】如何组合两列以使第三列按方法从组中获取属性？

【英文标题】：How to combine two columns to make a third column taking property from group by method?

【发布时间】：2016-12-23 18:04:49

【问题描述】：

不知道能不能把这个问题问清楚，不过这里我试试！

我有一个分类问题，我必须根据一个人的收入组来预测他的信用评分。我用过这段代码：

dta.groupby(['income_bracket'])['credit_score'].get_values()

现在我像往常一样有一个数据表，如下所示：

income_bracket  credit_scores    
    'very low'            0.0             2340
                          1.0              456
    'moderate'            0.0             1234 
                          1.0              657
        'high'            0.0               54
                          1.0              657
   'very high'            0.0                9
                          1.0             1234

解释：上面的数据是说，例如，一个信用评分为 0.0 的“非常低”收入阶层的人是 2340，信用评分为 1.0 的人是 456。

现在，有什么方法可以让我做类似的事情：如果一个人在收入范围内，那么预测他的信用评分将是 MAX（该收入范围内的信用评分）？例如，如果某人的收入等级为“高”，那么我可以预测他的 credit_score 将是 MAX(54,657) = 657 = 1.0

我想要的期望输出：newdata --> income_group = 'high' ---> credit_score = 1（因为我知道在高收入组中，MAX 值为 657，属于 1.0 的信用评分

请帮助我实现这一目标。

【参考方案1】：

您需要idxmax 来获取每个组的index 值，其中最大值在val 中，然后通过ix 选择这些行：

#dta.reset_index(inplace=True)
#dta = dta.reset_index().rename(columns=0: 'val') 
print (dta)
  income_bracket  credit_score   val
0       very low           0.0  2340
1       very low           1.0   456
2       moderate           0.0  1234
3       moderate           1.0   657
4           high           0.0    54
5           high           1.0   657
6      very high           0.0     9
7      very high           1.0  1234

print (dta.groupby(['income_bracket'], sort=False)['val'].idxmax())
income_bracket
very low     0
moderate     2
high         5
very high    7
Name: val, dtype: int64

#select all columns
print (dta.ix[dta.groupby(['income_bracket'], sort=False)['val'].idxmax()])
  income_bracket  credit_score   val
0       very low           0.0  2340
2       moderate           0.0  1234
5           high           1.0   657
7      very high           1.0  1234

#select columns income_bracket and credit_score
print (dta.ix[dta.groupby(['income_bracket'], sort=False)['val'].idxmax(), 
             ['income_bracket','credit_score']])
  income_bracket  credit_score
0       very low           0.0
2       moderate           0.0
5           high           1.0
7      very high           1.0

#select column credit_score    
print (dta.ix[dta.groupby(['income_bracket'], sort=False)['val'].idxmax(), 'credit_score'])
0    0.0
2    0.0
5    1.0
7    1.0
Name: credit_score, dtype: float64

【讨论】：

我简化了这个问题，实际问题有大约 20 个不同的收入等级，现在我得到了代码，但我无法到达最后一点，我确实找到了 val 如您所定义，但如何获取新数据点并与其收入组匹配并获得最终信用评分？

您能否将输入中的所需输出添加到问题中？我不确定我是否理解正确。

我也认为 val 的使用给我带来了一些问题，名称 val 不存在 groupby 函数它只是数字，使用时没有命名列groupby ，但我非常感谢你 :)

那么您是否需要包含值0,0,0,0,1,1,1,1（加上.0）的广告新列？

yaa 完全正确，但不是 '0,0,0,0,1,1,1,1' 而是 '0,0,1,1' 你看到每个收入组有两个信用评分，但我只想要一个最高计数的信用评分。