web-dev-qa-db-ja.com

数値変数に基づいてカテゴリ変数を作成する方法

私のDataFrameには1つの列があります：

import pandas as pd
list=[1,1,4,5,6,6,30,20,80,90]
df=pd.DataFrame({'col1':list})

Col1を参照するカテゴリ情報を含む列 'col2'をもう1つ追加するにはどうすればよいですか。

if col1 > 0 and col1 <= 10 then col2 = 'xxx'
if col1 > 10 and col1 <= 50 then col2 = 'yyy'
if col1 > 50 then col2 = 'zzz'
pythonpandasdataframecategorical-data
9
Klausos Klausos

最初に新しい列col2を作成し、条件に基づいてその値を更新できます。

df['col2'] = 'zzz'
df.loc[(df['col1'] > 0) & (df['col1'] <= 10), 'loc2'] = 'xxx'
df.loc[(df['col1'] > 10) & (df['col1'] <= 50), 'loc2'] = 'yyy'
print df

出力：

   col1 col2
0     1  xxx
1     1  xxx
2     4  xxx
3     5  xxx
4     6  xxx
5     6  xxx
6    30  yyy
7    20  yyy
8    80  zzz
9    90  zzz

または、列col1に基づいて関数を適用することもできます。

def func(x):
    if 0 < x <= 10:
        return 'xxx'
    Elif 10 < x <= 50:
        return 'yyy'
    return 'zzz'

df['col2'] = df['col1'].apply(func)

これにより、同じ出力が得られます。

この場合、applyアプローチがはるかに高速であるため、推奨されます。

%timeit run() # packaged to run the first approach
# 100 loops, best of 3: 3.28 ms per loop
%timeit df['col2'] = df['col1'].apply(func)
# 10000 loops, best of 3: 187 µs per loop

ただし、DataFrameのサイズが大きい場合は、組み込みのベクトル化された操作（つまり、マスキングアプローチを使用）の方が高速になる可能性があります。

6
YS-L

pd.cut 次のように：

df['col2'] = pd.cut(df['col1'], bins=[0, 10, 50, float('Inf')], labels=['xxx', 'yyy', 'zzz'])

出力：

   col1 col2
0     1  xxx
1     1  xxx
2     4  xxx
3     5  xxx
4     6  xxx
5     6  xxx
6    30  yyy
7    20  yyy
8    80  zzz
9    90  zzz
9
DontDivideByZero

2つの方法で、いくつかのloc呼び出しを使用して、条件が満たされた行をマスクします。

In [309]:
df.loc[(df['col1'] > 0) & (df['col1']<= 10), 'col2'] = 'xxx'
df.loc[(df['col1'] > 10) & (df['col1']<= 50), 'col2'] = 'yyy'
df.loc[df['col1'] > 50, 'col2'] = 'zzz'
df

Out[309]:
   col1 col2
0     1  xxx
1     1  xxx
2     4  xxx
3     5  xxx
4     6  xxx
5     6  xxx
6    30  yyy
7    20  yyy
8    80  zzz
9    90  zzz

または、ネストされたnp.whereを使用します：

In [310]:
df['col2'] = np.where((df['col1'] > 0) & (df['col1']<= 10), 'xxx', np.where((df['col1'] > 10) & (df['col1']<= 50), 'yyy', 'zzz'))
df

Out[310]:
   col1 col2
0     1  xxx
1     1  xxx
2     4  xxx
3     5  xxx
4     6  xxx
5     6  xxx
6    30  yyy
7    20  yyy
8    80  zzz
9    90  zzz
2
EdChum - Reinstate Monica