python bin 数据和返回 bin 中点（可能使用 pandas.cut 和 qcut）答案

【问题标题】：python bin data and return bin midpoint (maybe using pandas.cut and qcut)python bin 数据和返回 bin 中点（可能使用 pandas.cut 和 qcut）
【发布时间】：2015-12-21 01:34:14
【问题描述】：

我可以让 pandas cut/qcut 函数返回 bin 端点或 bin 中点而不是 bin 标签字符串吗？

目前

pd.cut(pd.Series(np.arange(11)), bins = 5)

0     (-0.01, 2]
1     (-0.01, 2]
2     (-0.01, 2]
3         (2, 4]
4         (2, 4]
5         (4, 6]
6         (4, 6]
7         (6, 8]
8         (6, 8]
9        (8, 10]
10       (8, 10]
dtype: category

带有类别/字符串值。我想要的是

用数值表示 bin 的边缘或中点。

【问题讨论】：

标签： python pandas binning

【解决方案1】：

我注意到一个类别有一个mid 属性，因此您可以通过apply 计算中间：

In [1]: import pandas as pd
   ...: import numpy as np
   ...: df = pd.DataFrame({"val":np.arange(11)})
   ...: df["bins"] = pd.cut(df["val"], bins = 5)
   ...: df["bin_centres"] = df["bins"].apply(lambda x: x.mid)
   ...: df
Out[1]:
    val          bins bin_centres
0     0  (-0.01, 2.0]       0.995
1     1  (-0.01, 2.0]       0.995
2     2  (-0.01, 2.0]       0.995
3     3    (2.0, 4.0]       3.000
4     4    (2.0, 4.0]       3.000
5     5    (4.0, 6.0]       5.000
6     6    (4.0, 6.0]       5.000
7     7    (6.0, 8.0]       7.000
8     8    (6.0, 8.0]       7.000
9     9   (8.0, 10.0]       9.000
10   10   (8.0, 10.0]       9.000

【讨论】：

【解决方案2】：

我看到这是一个旧帖子，但我还是会冒昧地回答它。

现在可以使用left 和right 访问分类区间的端点。

s = pd.cut(pd.Series(np.arange(11)), bins = 5)

mid = [(a.left + a.right)/2 for a in s]
Out[34]: [0.995, 0.995, 0.995, 3.0, 3.0, 5.0, 5.0, 7.0, 7.0, 9.0, 9.0]

由于区间向左开而向右闭，“第一个”区间（从 0 开始的区间）实际上从 -0.01 开始。要使用 0 作为左值获得中点，您可以这样做

mid_alt = [(a.left + a.right)/2 if a.left != -0.01 else a.right/2 for a in s]
Out[35]: [1.0, 1.0, 1.0, 3.0, 3.0, 5.0, 5.0, 7.0, 7.0, 9.0, 9.0]

或者，你可以说区间向左闭合，向右打开

t = pd.cut(pd.Series(np.arange(11)), bins = 5, right=False)
Out[38]: 
0       [0.0, 2.0)
1       [0.0, 2.0)
2       [2.0, 4.0)
3       [2.0, 4.0)
4       [4.0, 6.0)
5       [4.0, 6.0)
6       [6.0, 8.0)
7       [6.0, 8.0)
8     [8.0, 10.01)
9     [8.0, 10.01)
10    [8.0, 10.01)

但是，如您所见，您在最后一个区间遇到了同样的问题。

【讨论】：

【解决方案3】：

“IntervalIndex”正在开发中 proposal，这将使此类操作非常简单。

但是现在，您可以通过传递 retbins 参数来获取 bin 并计算中点。

In [8]: s, bins = pd.cut(pd.Series(np.arange(11)), bins = 5, retbins=True)

In [11]: mid = [(a + b) /2 for a,b in zip(bins[:-1], bins[1:])]

In [13]: s.cat.rename_categories(mid)
Out[13]: 
0     0.995
1     0.995
2     0.995
3     3.000
4     3.000
5     5.000
6     5.000
7     7.000
8     7.000
9     9.000
10    9.000
dtype: category
Categories (5, float64): [0.995 < 3.000 < 5.000 < 7.000 < 9.000]

【讨论】：