有条件地分箱

Question

是否可以在数据框中创建一个新列，其中“X”的 bin 基于另一列的值。下面的例子。

AR1、PO1 和 RU1 的 bin 彼此不同。

到目前为止，我只能获取“X”中所有值的 bin。

import pandas as pd
import numpy as np
import string
import random

N = 100
J = [2012,2013,2014]
K = ['A','B','C','D','E','F','G','H']
L = ['h','d','a']
S = ['AR1','PO1','RU1']

np.random.seed(0)

df = pd.DataFrame(
    {'X': np.random.uniform(1,10,N),
     'Y': np.random.uniform(1,10,N),
     'J':np.random.choice(J, N),
     'R':np.random.choice(L, N),
     'S':np.random.choice(S,N)
    })

df['bins_X'] = pd.qcut(df['X'], 10)

print(df.head())

我想要的输出：

编辑；

在我的真实数据上，我得到一个 ValueError：edges are not unique。我可以用即排名来解决这个问题吗？我如何将其添加到建议的解决方案中？

Answer 1

在groupbyS 上简单使用pd.qcut

df['bins_X'] = df.groupby('S').X.apply(pd.qcut, q=10, labels=np.arange(10))

df.groupby(['bins_X', 'S']).size().unstack()

S       AR1  PO1  RU1
bins_X               
0         3    4    4
1         3    3    4
2         3    3    4
3         2    3    4
4         3    4    4
5         3    3    3
6         2    3    4
7         3    3    4
8         3    3    4
9         3    4    4

如果您希望它们拥有自己独特的边缘，请保留 labels 参数

df['bins_X'] = df.groupby('S').X.apply(pd.qcut, q=10)