将数值分组到类别中答案

【问题标题】：Grouping numerical values in categories将数值分组到类别中
【发布时间】：2020-01-12 07:50:00
【问题描述】：

我有学生分数内的数字数据，我想将它们分为 3 类 A、B 和 C。

df = pd.DataFrame([('Adel',  3.5),
                   ('Betty',  2.75),
                   ('Djamel',  2.10),
                   ('Ramzi',  1.75),
                   ('Alexa', 3.15)],
                  columns=('Name', 'GPA'))

我尝试了函数pd.cut()，但它没有导致想要的结果。

【问题讨论】：

你遇到了什么错误？

标签： python dataframe group-by split data-science

【解决方案1】：

这是一种使用pd.cut的方法：

df = df.sort_values('GPA')

df['bins'] = pd.cut(df['GPA'], bins=3, labels = ['A','B','C'])

     Name   GPA bins
3   Ramzi  1.75    A
2  Djamel  2.10    A
1   Betty  2.75    B
4   Alexa  3.15    C
0    Adel  3.50    C

【讨论】：

【解决方案2】：

在最近的一项研究中，实施了 PSO 以将学生分类到未知数量的组中。与 GA 相比，PSO 显示出改进的能力。我认为你所需要的只是具体的研究。

论文是：使用粒子群优化形成学习者的自动组以应用差异化教学

你可以在这里找到论文：https://doi.org/10.1002/cae.22191

也许研究人员可以引导您通过研究之门：https://www.researchgate.net/publication/338078753

您只需要从自动组数中删除该技术

【讨论】：

【解决方案3】：

我找到了这个解决方案：

import pandas as pd, numpy as np

df = pd.DataFrame({'GPA': [99, 53, 71, 84, 84],
                   'Name': ['Betty', 'Djamel', 'Ramzi', 'Alexa', 'Adel']})

bins = [0, 50, 60, 70, 80, 100]
names = ['F', 'D', 'C', 'B', "A"]

d = dict(enumerate(names, 1))

df['Rank'] = np.vectorize(d.get)(np.digitize(df['GPA'], bins))

感谢此链接here。

【讨论】：