用值填充列（熊猫）

Posted 2023-03-12

【中文标题】用值填充列（熊猫）

【英文标题】：Filling column with values (pandas)

【发布时间】：2021-03-18 23:05:49

【问题描述】：

我在使用 pandas 填充列中的值时遇到问题。我想添加应该描述客户年收入等级的字符串。我希望数据框长度的 20% 获得“最低”值，9% 的数据框应该获得“中下”等...我想创建一个列表并附加值，然后将其设置为该列的值，但随后我得到一个 ValueError 值长度 (5) 与索引长度 (500) 不匹配

list_of_lists = []
list_of_lists.append(int(0.2*len(df))*"Lowest")
list_of_lists.append(int(0.09*len(df))*"Lower Middle")
list_of_lists.append(int(0.5*len(df))*"Middle")
list_of_lists.append(int(0.12*len(df))*"Upper Middle")
list_of_lists.append(int(0.12*len(df))*"Highest")
df["Annual Income"] = list_of_lists

您知道什么是最好的方法吗？

提前致谢 最好的祝福 阿丽娜

【问题讨论】：

1. list_of_lists 是 5 个字符串的列表，但这些字符串是提供的字符串的重复（'LowestLowestLowestLowest...'）。而不是乘以字符串，而是乘以列表中的字符串：list_of_lists.append(int(0.2*len(df))*["Lowest"])。使用 list(flatten(list_of_lists)) 来展平列表 (from itertools import flatten)。 2. 这不是一个完整的解决方案：它会失败，因为新列表的大小与数据帧的大小不同，因为所有int(X*len(df)) 的总和不是相同的数据帧长度。

请阅读this。至少，我们需要复制/粘贴的样本数据，以及您希望输出的样子的样本。

【参考方案1】：

您可以使用numpy 进行加权选择。该方法有一个选择列表、要做出的选择的数量和概率。你可以生成这个然后做df['Annual Income'] = incomes

我已打印出数值计数，以便您查看总数。每次都会略有不同。

我还必须调整概率，使它们加起来为 100%

import pandas as pd
from numpy.random import choice
incomes = choice(['Lowest','Lower Middle','Middle','Upper Middle','Highest'], 500,
              p=[.2,.09,.49,.11,.11])

df= pd.DataFrame('Annual Income':incomes)


df.value_counts()

Annual Income
Middle           245
Lowest            87
Upper Middle      66
Highest           57
Lower Middle      45