我有一個數據框列，它指定用戶執行某項活動的次數。例如。>>> df['ActivityCount']Users ActivityCountUser0 220User1 190User2 105User3 109User4 271User5 265 ...User95 64User96 15User97 168User98 251User99 278Name: ActivityCount, Length: 100, dtype: int32>>> activities = sorted(df['ActivityCount'].unique())[9, 15, 16, 17, 20, 23, 25, 26, 28, 31, 33, 34, 36, 38, 39, 43, 49, 57, 59, 64, 65, 71, 76, 77, 78,83, 88, 94, 95, 100, 105, 109, 110, 111, 115, 116, 117, 120, 132, 137, 138, 139, 140, 141, 144, 145, 148, 153, 155, 157, 162, 168, 177, 180, 182, 186, 190, 192, 194, 197, 203, 212, 213, 220, 223, 231, 232, 238, 240, 244, 247, 251, 255, 258, 260, 265, 268, 269, 271, 272, 276, 278, 282, 283, 285, 290]根據他們的 ActivityCount，我必須將用戶分為 5 個不同的類別，例如A, B, C, D和E?；顒佑嫈捣秶粫r變化。在上面的例子中，它大約在中間(9-290)（系列的最低和最高），它可以是(5-500)or (5 to 30)。在上面的示例中，我可以將活動的最大數量除以 5，然后將每個用戶分類在 58 的范圍內，例如(from 290/5)，Range A: 0-58...等Range B: 59-116Range C: 117-174有沒有其他方法可以使用 pandas 或 numpy 實現此目的，以便我可以直接對給定類別中的列進行分類？預期輸出：->>> dfUsers ActivityCount Category/Range User0 220 DUser1 190 DUser2 105 B User3 109 BUser4 271 E User5 265 E ...User95 64 BUser96 15 AUser97 168 CUser98 251 EUser99 278 E
2 回答
慕容3067478
TA貢獻1773條經驗 獲得超3個贊
這樣做的自然方法是將數據分成 5 個數量，然后根據這些數量將數據分成 bin。幸運的是，pandas 可以讓你輕松做到這一點：
df["category"] = pd.cut(df.Activity, 5, labels= ["a","b", "c", "d", "e"])
輸出類似于：
Activity Category
34 115 b
15 43 a
57 192 d
78 271 e
26 88 b
6 25 a
55 186 d
63 220 d
1 15 a
76 268 e
另一種觀點——聚類
在上述方法中，我們將數據分成 5 個 bin，其中不同 bin 的大小相等。另一種更復雜的方法是將數據分成 5 個集群，并旨在使每個集群中的數據點盡可能彼此相似。在機器學習中，這被稱為聚類/分類問題。
一種經典的聚類算法是k-means。它通常用于具有多個維度（例如每月活動、年齡、性別等）的數據。因此，這是一個非常簡單的聚類案例。
在這種情況下，可以通過以下方式進行 k-means 聚類：
import scipy
from scipy.cluster.vq import vq, kmeans, whiten
df = pd.DataFrame({"Activity": l})
features = np.array([[x] for x in df.Activity])
whitened = whiten(features)
codebook, distortion = kmeans(whitened, 5)
code, dist = vq(whitened, codebook)
df["Category"] = code
輸出看起來像：
Activity Category
40 138 1
79 272 0
72 255 0
13 38 3
41 139 1
65 231 0
26 88 2
59 197 4
76 268 0
45 145 1
一些注意事項：
類別的標簽是隨機的。在這種情況下，標簽“2”指的是比級別“1”更高的活動。
我沒有將標簽從 0-4 遷移到 AE。這可以使用 pandas' 輕松完成map。
慕尼黑的夜晚無繁華
TA貢獻1864條經驗 獲得超6個贊
嘗試以下解決方案：
df['Categ'] = pd.cut(df.ActivityCount, bins=5, labels=list('ABCDE'))它創建Categ列 - 將ActivityCount 劃分為 5 個容器的結果，標記為A , ... E。
通過將整個范圍劃分為n 個大小相等的子范圍來設置箱的邊界。
您還可以看到每個垃圾箱的邊界，調用：
pd.cut(df.ActivityCount, bins=5, labels=list('ABCDE'), retbins=True)[1]添加回答
舉報
0/150
提交
取消