如何自动对熊猫数据框中的数据进行分类？

Question

我有一个包含 1000 多行和 200 列的数据框，如下所示：

     my_data:
             ID,   f1,   f2, ..     ,f200   Target
             x1     3     0, ..     ,2      0
             x2     6     2, ..     ,1      1
             x3     5     4, ..     ,0      0
             x4     0     5, ..     ,18     1
             ..     .     ., ..     ,..     .
             xn     13    0, ..     ,4      0

首先，我想将这些特征 (f1-f200) 自动离散为四组，即 no、low、medium 和 high，以便在其列中具有零的ID（例如，x1在f2中包含0，在xn中相同..）应该是标签"no"，其余应该分为低，中和高。

我发现了这个：

  pd.cut(my_data,3, labels=["low", "medium", "high"])

但是，这并不能解决问题。有什么想法吗？

Answer 1

使用np.select

# Iterate over the Dataframe Columns i.e. f1-f200

    for col in df.columns:

        # Define your Condition
        conditions = [
            (df[col] == 0),
            (df[col] == 1),
            (df[col] == 2),
            (df[col] > 3)]

        # Values you want to map
        choices = ['no','Low', 'Medium', 'High']

        df[col] = np.select(conditions, choices, default='Any-value')

Answer 2

因此，您需要创建动态 bin 并迭代列来获得它。这可以通过以下方式完成：

new_df = pd.DataFrame()
for name,value in df1.iteritems(): ##df1 is your dataframe
    bins = [-np.inf, 0,df1[name].min()+1,df1[name].mean(), df1[name].max()]
    new_df[name] = pd.cut(df1[name], bins=bins, include_lowest=False, labels=['no','low', 'mid', 'high'])

如何自动对熊猫数据框中的数据进行分类？

How to automatically categorise data in panda dataframe?

python

data-binding

categorization

dataframe