文章/答案/技术大牛

发布

社区首页 >问答首页 >如何通过pandas.cut()解决这类问题？

问如何通过pandas.cut()解决这类问题？
EN

Stack Overflow用户

提问于 2020-05-16 14:33:34

回答 1查看 25关注 0票数 2

我有我的数据作为

data = pd.DataFrame({'A':[3,50,50,60],'B':[49,5,37,59],'C':[15,34,43,6],'D':[35,39,10,25]})

如果我这样使用cut

p = ['A','S','T','U','V','C','Z']
bins = [0,30,35,40,45,50,55,60]
data['A*'] = pd.cut(data.A,bins,labels=p)
print(data)

我得到了

    A   B   C   D  A*
0   3  49  15  35  A
1  50   5  34  39  V
2  50  37  43  10  V
3  60  59   6  25  Z

我该怎么剪才能得到

    A   B   C   D  A*
0   3  49  15  35  3A
1  50   5  34  39  50V
2  50  37  43  10  50V
3  60  59   6  25  60Z

我试过了，但不起作用

for x in data.A:
    p = [str(x)+'A',str(x)+'S',str(x)+'T',str(x)+'U',str(x)+'V',str(x)+'C',str(x)+'Z']
bins = [0,30,35,40,45,50,55,60]

它给了我这个

    A   B   C   D  A*
0   3  49  15  35  60A
1  50   5  34  39  60V
2  50  37  43  10  60V
3  60  59   6  25  60Z

pandas

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-05-16 14:38:05

也可以从pd.cut中将列A转换为字符串和类别，并连接在一起：

p = ['A','S','T','U','V','C','Z']
bins = [0,30,35,40,45,50,55,60]
data['A*'] = data.A.astype(str) + pd.cut(data.A,bins,labels=p).astype(str)
print(data)
    A   B   C   D   A*
0   3  49  15  35   3A
1  50   5  34  39  50V
2  50  37  43  10  50V
3  60  59   6  25  60Z

编辑：

对于所有列的处理，可以使用DataFrame.apply

data = data.apply(lambda x: x.astype(str) + pd.cut(x,bins,labels=p).astype(str))
print(data)
     A    B    C    D
0   3A  49V  15A  35S
1  50V   5A  34S  39T
2  50V  37T  43U  10A
3  60Z  59Z   6A  25A

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/61832851

复制

相似问题

问如何通过pandas.cut()解决这类问题？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何通过pandas.cut()解决这类问题？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何通过pandas.cut()解决这类问题？
EN