按值范围将 Pandas DataFrame 复制到多个文件中

Question

我有一个 DataFrame，假设是 3000x3000，int 值从 0 到 10，我想将其分解为多个类别并保存到单独的文件中。

例如，类别应该是 0-3、4-5、5-10。

因此，我想获得 3 个相同形状的文件，但每个类别仅具有相关值，并且这些值应保持在原始位置。

起初我想为每个类别复制 df 并使用 replace 删除所有不相关的值，但听起来不对。

希望这不是很混乱。

df 示例：

    0   1   2   3   4   5   6   7   8   9
0   0   0   0   0   0   0   0   0   0   0
1   0   0   1   0   0   0   0   0   7   0
2   0   0   2   3   0   0   0   0   6   7
3   0   0   2   3   0   0   0   0   9   6
4   0   0   0   1   0   0   5   4   8   7
5   0   0   0   0   0   0   5   4   0   0
6   0   0   0   0   0   0   4   5   0   0
7   0   0   0   0   0   0   4   4   0   0
8   0   0   0   0   0   0   0   4   0   0
9   0   0   0   0   0   0   0   0   0   0

结果我想要 3 个数据框：

猫1：

    0   1   2   3   4   5   6   7   8   9
0   0   0   0   0   0   0   0   0   0   0
1   0   0   1   0   0   0   0   0   0   0
2   0   0   2   3   0   0   0   0   0   0
3   0   0   2   3   0   0   0   0   0   0
4   0   0   0   1   0   0   0   0   0   0
5   0   0   0   0   0   0   0   0   0   0
6   0   0   0   0   0   0   0   0   0   0
7   0   0   0   0   0   0   0   0   0   0
8   0   0   0   0   0   0   0   0   0   0
9   0   0   0   0   0   0   0   0   0   0

cat2:

    0   1   2   3   4   5   6   7   8   9
0   0   0   0   0   0   0   0   0   0   0
1   0   0   0   0   0   0   0   0   0   0
2   0   0   0   0   0   0   0   0   0   0
3   0   0   0   0   0   0   0   0   0   0
4   0   0   0   0   0   0   5   4   0   0
5   0   0   0   0   0   0   5   4   0   0
6   0   0   0   0   0   0   4   5   0   0
7   0   0   0   0   0   0   4   4   0   0
8   0   0   0   0   0   0   0   4   0   0
9   0   0   0   0   0   0   0   0   0   0

cat3：

    0   1   2   3   4   5   6   7   8   9
0   0   0   0   0   0   0   0   0   0   0
1   0   0   0   0   0   0   0   0   7   0
2   0   0   0   0   0   0   0   0   6   7
3   0   0   0   0   0   0   0   0   9   6
4   0   0   0   0   0   0   0   0   8   7
5   0   0   0   0   0   0   0   0   0   0
6   0   0   0   0   0   0   0   0   0   0
7   0   0   0   0   0   0   0   0   0   0
8   0   0   0   0   0   0   0   0   0   0
9   0   0   0   0   0   0   0   0   0   0

Answer 1

你想要where

df1 = df.where((df > 0) & (df <=3), 0)
   
   0  1  2  3  4  5  6  7  8  9
0  0  0  0  0  0  0  0  0  0  0
1  0  0  1  0  0  0  0  0  0  0
2  0  0  2  3  0  0  0  0  0  0
3  0  0  2  3  0  0  0  0  0  0
4  0  0  0  1  0  0  0  0  0  0
5  0  0  0  0  0  0  0  0  0  0
6  0  0  0  0  0  0  0  0  0  0
7  0  0  0  0  0  0  0  0  0  0
8  0  0  0  0  0  0  0  0  0  0
9  0  0  0  0  0  0  0  0  0  0

您可以为 df2 和 df3 编写类似的逻辑