Pandas 按值范围分组

问题描述：

pandas 中是否有一种简单的方法可以调用groupby一系列值增量？例如，给出下面的示例，我可以使用增量对列进行分组，B以便0.155例如将列中的前几个组B分为“0 - 0.155、0.155 - 0.31 ...”之间的范围

import numpy as np
import pandas as pd
df=pd.DataFrame({'A':np.random.random(20),'B':np.random.random(20)})

     A         B
0  0.383493  0.250785
1  0.572949  0.139555
2  0.652391  0.401983
3  0.214145  0.696935
4  0.848551  0.516692

或者，我可以先根据这些增量将数据分类到一个新列中，然后使用它groupby来确定可能适用于列的任何相关统计数据A？

解决方案 1：

您可能感兴趣pd.cut：

>>> df.groupby(pd.cut(df["B"], np.arange(0, 1.0+0.155, 0.155))).sum()
                      A         B
B                                
(0, 0.155]     2.775458  0.246394
(0.155, 0.31]  1.123989  0.471618
(0.31, 0.465]  2.051814  1.882763
(0.465, 0.62]  2.277960  1.528492
(0.62, 0.775]  1.577419  2.810723
(0.775, 0.93]  0.535100  1.694955
(0.93, 1.085]       NaN       NaN

[7 rows x 2 columns]

解决方案 2：

尝试一下：

df = df.sort_values('B')
bins =  np.arange(0, 1.0, 0.155)
ind = np.digitize(df['B'], bins)
    
print df.groupby(ind).head() 

当然，您可以对群组使用任何功能，而不仅仅是head。

解决方案 3：

这就是我使用 groupby 函数的方式

df1=data
bins = [0,40,50,60,70,100]
group_names=['F','S','C','B','A']
df1['grade']=pd.cut(data['student_mark'],bins,labels=group_names)
df1