基于分位数对大熊猫列进行分箱

Question

我有一个大熊猫数据框'火车'

Name   Comb   Sales
Joy     A123   102
John    A134   112
Aby     A123   140
Amit    A123   190
Andrew  A134   210
Pren    A123   109
Abry    A134   230
Hulk    A134   188  
...

对于每个独特的梳子，我想找到相应销售的25％分位数并创建相应的箱子。例如，如果您为Comb ='A123'的销售创建25％分位数箱，您将获得（102.00 107.25 124.50 152.50 190.00）。现在我想使用这些分位数来计算所有Comb ='A123'的销售额。我得到的数据将是

Name   Comb   Sales  Bin  Bin_Low  Bin_High
Joy     A123   102    1    102     107.25
John    A134   112    1    112     169
Aby     A123   140    3    124.50  152.50
Amit    A123   190    4    152.90  190
Andrew  A134   210    3    199     215
Pren    A123   109    2    107.25  124.50
Abry    A134   230    4    215     230
Hulk    A134   188    2    169     199

我创建了下面的代码，但我的最终数据框架没有以正确的格式出现。

     quant = pd.DataFrame()
     i = ''
     for  i  in train.comb.unique():    
     a=pd.qcut(train[train.comb == i ]['Sales'], 4,duplicates='drop')
     df = pd.DataFrame(np.array(a))
     comp=pd.concat([train[train.combo == i ],df], axis=1)
     quant=quant.append(comp)

任何帮助，将不胜感激。

Answer 1

您可以在数据框中使用qcut，按Comb分组。然后，将左侧分配给Bin_low列，将右侧分配给Bin_max。请注意，qcut在left侧有一个开放区间，因此值将略微偏离您想要的输出，但基本相同：

intervals = train.groupby('Comb')['Sales'].transform(pd.qcut, 4)

train['Bin_low'] = pd.IntervalIndex(intervals).left
train['Bin_high'] = pd.IntervalIndex(intervals).right

>>> train
     Name  Comb  Sales  Bin_low  Bin_high
0     Joy  A123    102  101.999    107.25
1    John  A134    112  111.999    169.00
2     Aby  A123    140  124.500    152.50
3    Amit  A123    190  152.500    190.00
4  Andrew  A134    210  199.000    215.00
5    Pren  A123    109  107.250    124.50
6    Abry  A134    230  215.000    230.00
7    Hulk  A134    188  169.000    199.00