如何从范围内替换 CSV 列中的值？

Question

我正在尝试根据其中特定值的百分位数将数据集中两列的值从特定数值（2、10、25 等）更改为单个值（1、2、3 或 4）数据集。

使用 pandas quantile() 函数，我得到了想要替换的范围，但我还没有找到一种工作方法。

age1 = datasetNB.Age.quantile(0.25)
age2 = datasetNB.Age.quantile(0.5)
age3 = datasetNB.Age.quantile(0.75)

fare1 = datasetNB.Fare.quantile(0.25)
fare2 = datasetNB.Fare.quantile(0.5)
fare3 = datasetNB.Fare.quantile(0.75)

我目前对这个问题的解决尝试如下：

for elem in datasetNB['Age']:
    if elem <= age1:
        datasetNB[elem].replace(to_replace = elem, value = 1)
        print("set to 1")
    elif (elem > age1) & (elem <= age2):
        datasetNB[elem].replace(to_replace = elem, value = 2)
        print("set to 2")
    elif (elem > age2) & (elem <= age3):
        datasetNB[elem].replace(to_replace = elem, value = 3)
        print("set to 3")
    elif elem > age3:
        datasetNB[elem].replace(to_replace = elem, value = 4)
        print("set to 4")
    else:
        pass

for elem in datasetNB['Fare']:
    if elem <= fare1:
        datasetNB[elem] = 1
    elif (elem > fare1) & (elem <= fare2):
        datasetNB[elem] = 2
    elif (elem > fare2) & (elem <= fare3):
        datasetNB[elem] = 3
    elif elem > fare3:
        datasetNB[elem] = 4
    else:
        pass

我应该怎么做才能让它工作？

Answer 1

pandas 已经有一个函数可以做到这一点，pandas.qcut。

你可以这样做

q_list = [0, 0.25, 0.5, 0.75, 1]
labels = range(1, 5)

df['Age'] = pd.qcut(df['Age'], q_list, labels=labels) 
df['Fare'] = pd.qcut(df['Fare'], q_list, labels=labels) 

输入

import numpy as np
import pandas as pd

# Generate fake data for the sake of example 
df = pd.DataFrame({
    'Age': np.random.randint(10, size=6),
    'Fare': np.random.randint(10, size=6)
})

>>> df 

   Age  Fare
0    1     6
1    8     2
2    0     0
3    1     9
4    9     6
5    2     2

输出

运行上述代码后的DataFrame

>>> df

  Age Fare
0   1    3
1   4    1
2   1    1
3   1    4
4   4    3
5   3    1

请注意，在您的具体情况下，由于您需要四分位数，您可以指定q_list = 4。