给定此数据帧:
import pandas as pd
import jenkspy
f = pd.DataFrame({'BreakGroup':['A','A','A','A','A','A','B','B','B','B','B'],
'Final':[1,2,3,4,5,6,10,20,30,40,50]})
BreakGroup Final
0 A 1
1 A 2
2 A 3
3 A 4
4 A 5
5 A 6
6 B 10
7 B 20
8 B 30
9 B 40
10 B 50
我想使用jenkspy来标识组,基于4个组(类)的自然中断,组“BreakGroup”中“Final”中的每个值都属于这些组。在
我开始是这样做的:
^{pr2}$…结果是:
BreakGroup
A [1.0, 10.0, 20.0, 30.0, 50.0]
B [1.0, 10.0, 20.0, 30.0, 50.0]
Name: BreakGroup, dtype: object
这里的第一个问题,正如您可能已经猜到的那样,它将lambda函数应用于“Final”分数的整列,而不仅仅是属于Groupby中每个组的分数。第二个问题是,我需要一个列来指定正确的组(类)成员,大概是通过使用transform而不是apply。在
然后我试了一下:
jenks=lambda x: jenkspy.jenks_breaks(f['Final'].loc[f['BreakGroup']==x].tolist(),nb_class=4)
f['Group']=f.groupby(['BreakGroup'])['BreakGroup'].transform(jenks)
……但很快就被打得屈服了:
ValueError: Can only compare identically-labeled Series objects
更新:
这是期望的结果。“结果”列包含每组“BreakGroup”中“Final”中相应值的组上限:
BreakGroup Final Result
0 A 1 2
1 A 2 3
2 A 3 4
3 A 4 4
4 A 5 6
5 A 6 6
6 B 10 20
7 B 20 30
8 B 30 40
9 B 40 50
10 B 50 50
提前谢谢!在
我根据公认的解决方案稍作修改的应用程序:
f.sort_values('BreakGroup',inplace=True)
f.reset_index(drop=True,inplace=True)
jenks = lambda x: jenkspy.jenks_breaks(x['Final'].tolist(),nb_class=4)
g = f.set_index('BreakGroup')
g['Groups'] = f.groupby(['BreakGroup']).apply(jenks)
g.reset_index(inplace=True)
groups= lambda x: [gp for gp in x['Groups']]
#'final' value should be > lower and <= upper
upper = lambda x: [gp for gp in x['Groups'] if gp >= x['Final']][0] # or gp == max(x['Groups'])
lower= lambda x: [gp for gp in x['Groups'] if gp < x['Final'] or gp == min(x['Groups'])][-1]
GroupIndex= lambda x: [x['Groups'].index(gp) for gp in x['Groups'] if gp < x['Final'] or gp == min(x['Groups'])][-1]
f['Groups']=g.apply(groups, axis=1)
f['Upper'] = g.apply(upper, axis=1)
f['Lower'] = g.apply(lower, axis=1)
f['Group'] = g.apply(GroupIndex, axis=1)
f['Group']=f['Group']+1
这将返回:
组边界列表
与“Final”值相关的上边界
与“Final”值相关的下边界
“Final”值所属的组基于注释中所述的逻辑。
您已经将
jenks
定义为一个常量,根据lambda变量x
定义,因此它不取决于使用apply
或transform
提供的内容。将jenks
的定义更改为给予
^{pr2}$继续这个重新定义
给予
当前,您正在将一个序列传递到
transform()
中,而不是您为筛选条件准备的标量。考虑为第一个值(如x.index[0]
)编制索引,因为groupby
系列中的所有值都是相同的。您甚至可以运行min(x)
或max(x)
:相关问题 更多 >
编程相关推荐