基于 Pandas 范围的 Bin 值 [重复]

Posted 2023-02-23

【中文标题】基于 Pandas 范围的 Bin 值 [重复]

【英文标题】：Bin values based on ranges with pandas [duplicate]

【发布时间】：2015-10-22 13:43:50

【问题描述】：

我在一个文件夹中有多个具有类似值的 CSV 文件：

GroupID.csv 是文件名。有多个这样的文件，但值范围是在同一个 XML 文件中定义的。我正在尝试将它们分组 我该怎么做？

更新1： 基于 BobHaffner 的 cmets，我已经做到了

import pandas as pd 
import glob path =r'path/to/files' 
allFiles = glob.glob(path + "/*.csv")
frame = pd.DataFrame()
list_ = []
for file_ in allFiles:
    df = pd.read_csv(file_,index_col=None, header=None)
    df['file'] = os.path.basename('path/to/files/'+file_)
    list_.append(df)
frame = pd.concat(list_)
print frame

得到这样的东西：

我需要根据 XML 文件中的 bin 对值进行分组。我真的很感激任何帮助。

【问题讨论】：

这里有几个问题。我建议尝试将 csvs 放入一个数据框中作为第一步。查看 glob 模块和 pandas read_csv() 和 concat()

@BobHaffner 我可以做到。在连接时，它会丢失文件名。不会吗？

您可以在每个数据框中使用文件名创建一个附加字段。那会起作用的，对吧？

然后将它们连接起来

是的，我会这样做的。 @BobHaffner

【参考方案1】：

为了存储您的系列，您应该使用the pd.cut() function，如下所示：

df['bin'] = pd.cut(df['1'], [0, 50, 100,200])

         0    1        file         bin
0  person1   24     age.csv     (0, 50]
1  person2   17     age.csv     (0, 50]
2  person3   98     age.csv   (50, 100]
3  person4    6     age.csv     (0, 50]
4  person2  166  Height.csv  (100, 200]
5  person3  125  Height.csv  (100, 200]
6  person5  172  Height.csv  (100, 200]

如果您想自己命名垃圾箱，可以使用labels= 参数，如下所示：

df['bin'] = pd.cut(df['1'], [0, 50, 100,200], labels=['0-50', '50-100', '100-200'])

         0    1        file      bin
0  person1   24     age.csv     0-50
1  person2   17     age.csv     0-50
2  person3   98     age.csv   50-100
3  person4    6     age.csv     0-50
4  person2  166  Height.csv  100-200
5  person3  125  Height.csv  100-200
6  person5  172  Height.csv  100-200