pandas.DataFrame.loc , 在新列中标记数据

Question

我有一个这样的 pandas 数据框：

     ranking
1    4.33
2    1.34
3    3.76
..

我想创建这个：

     ranking  label
1    4.33     2
2    1.34     0
3    3.76     1
..

所以排名 < 3.5 导致标签 0，3.5 和 4.25 之间的排名导致标签 1，并且排名 > 4.25 导致标签 2。

这是我到目前为止编写的代码：

df = pd.read_csv('./data/Step7_final.csv', index_col=False, encoding="ISO-8859-1")  
df['label'] = df.ranking.where(df.ranking > 3.4999, 0)
df.loc[df.label > 3.4999 and < 4.2499, 'label']  = 1
df.loc[df.label > 4.2499, 'label']  = 2

我将标签 1 分配给 3.5 到 4.25 之间的排名值的第三行不起作用...我怎样才能让它起作用？

Answer 1

你需要：

df['label'] = df.ranking.where(df.ranking > 3.4999, 0)
df.ix[(df.label > 3.4999) & (df.label < 4.2499), 'label'] = 1
df.ix[df.label > 4.2499, 'label']  = 2
print (df)
   ranking  label
1     4.33    2.0
2     1.34    0.0
3     3.76    1.0

Answer 2

您需要使用按位 & 而不是 and。条件必须按 parantheses.

分组

但是，更好的方法是使用 pd.cut:

pd.cut(df['ranking'], [-np.inf, 3.5, 4.25, np.inf], labels=[0, 1, 2])
Out[55]: 
0    2
1    0
2    1
Name: ranking, dtype: category
Categories (3, int64): [0 < 1 < 2]

pandas.DataFrame.loc , 在新列中标记数据

pandas.DataFrame.loc , Labeling data in new column

python

csv

rank

dataframe

pandas