如何使用 pandas 库在 python 中对浮点值进行分类

Question

` 导入熊猫 导入numpy

#importing the dataset
data=pandas.read_csv('gapminder.csv',low_memory=False)

#setting variables to be worked with to numeric
data['urbanrate']=data['urbanrate'].convert_objects(convert_numeric=True)
data['femaleemployrate']=data['femaleemployrate'].convert_objects(convert_numeric=True)
data['lifeexpectancy']=data['lifeexpectancy'].convert_objects(convert_numeric=True)

print("Count for urbanrate")
chk8=data['urbanrate'].value_counts(sort=False,dropna=False)
print(chk8)

sub1=data[['urbanrate','femaleemployrate','lifeexpectancy']]
print (sub1.head(25))

===========================================================================
def urban (row):
      if (row['urbanrate']<25.0):
          return 1
      if (data[['urbanrate']>=25.0 & data['urbanrate']<75.0]):
         return 2
      if (data['urbanrate']>75.0):
         return 3
sub1['urban']=sub1.apply(lambda row: urban (row),axis=1)
print (sub1.head(25))
============================================================================`

我想将urbanrate 的所有值（都是浮点数，如24.56、88.98、77.65）分为 3 个不同的类别（一个是 <25 的值，另一个是 @ 987654327@ 和>=75 的最后一个）并将这些值存储在一个新变量中（比如urban）。我怎样才能做到这一点？我已经给出了我的代码。我执行了它，它给了我错误：

TypeError: ('无法将 dtyped [float64] 数组与 [bool] 类型的标量进行比较', '发生在索引 1'))

请帮帮我

Answer 1

我觉得你可以用pd.cut:

import pandas as pd

df = pd.DataFrame({'urbanrate':[10,20,25,30,40,75,80,100]})
print (df)
   urbanrate
0         10
1         20
2         25
3         30
4         40
5         75
6         80
7        100

bins = [0, 24.999, 74.999, 1000]
group_names = [1,2,3]
df['urban'] = pd.cut(df['urbanrate'], bins, labels=group_names)
print (df)
   urbanrate urban
0         10     1
1         20     1
2         25     2
3         30     2
4         40     2
5         75     3
6         80     3
7        100     3

Answer 2

使用 3 个面具：

sub1.loc[sub1['urbanrate']<25.0,'urban'] = 1
sub1.loc[(sub1['urbanrate']>=25.0) & (sub1['urbanrate']<75.0),'urban'] = 2
sub1.loc[sub1['urbanrate']>75.0,'urban'] = 3

您可以屏蔽满足布尔条件的行并以矢量化方式设置所有行，但您尝试失败的原因是：

if (data[['urbanrate']>=25.0 & data['urbanrate']<75.0]):
    return 2

在这里，您尝试将数组与标量值进行比较以生成标量布尔值，这不起作用，此外，尽管您使用了正确的运算符，但您需要将条件括在括号中 ()：

if (data[['urbanrate']>=25.0) & (data['urbanrate']<75.0]):
    return 2

你的函数也不一致，你调用了apply并传递了axis=1，这意味着你正在尝试对行值进行操作并且你的第一个条件很好：

if (row['urbanrate']<25.0):
          return 1

但在随后的条件下，您正在测试整个 Series，这是完全不同的

如果您执行以下操作，它会起作用：

def urban (colData):
    if colData<25.0:
        return 1
    if (colData>=25.0) & (colData<75.0]):
       return 2
    if (colData>75.0):
       return 3
sub1['urban']=sub1['urbanrate'].apply(urban)

这里不需要逐行操作，您可以将整个列/系列作为 arg 传递给您的函数