Pandas根据值范围对数据进行分组

在本文中，我们将介绍如何在Pandas中使用cut()函数和groupby()函数来根据值范围对数据进行分组。

阅读更多：Pandas 教程

基本概念

cut()函数

cut()函数是一个基于值的桶算法，用于将连续值划分为离散的“桶”，每个桶包含指定数量的值。它的语法如下：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')

其中，x是要划分的对象，bins可以是整数、序列或者是Pandas的一个区间对象，表示要划分的桶的具体信息。right表示右区间是否为闭合区间，默认为True；labels是可选的标签，表示返回结果的数据类型；retbins即是否返回每个桶的闭合区间，默认为False；precision表示保留小数的位数；include_lowest表示是否包含最小值；duplicates表示是否允许有重复值。

groupby()函数

groupby()函数是 Pandas 中非常强大的一个函数，它能够对数据进行分类、筛选、聚合、变换的操作。它的语法如下：

DataFrame.groupby(by=None, axis=0, level=None, as_index=True, sort=True, group_keys=True, squeeze=False, observed=False, **kwargs)

其中，by参数指定了要分组的列名或者行名，可以是单个字符串、多个字符串的列表、字典、函数、类等；axis表示按行（0）或者按列（1）进行分组；level是分层级别；as_index表示是否将分组的键设为新的 dataframe 的索引；sort表示是否对结果按照分组键排序；group_keys表示是否在结果显示中包括组键；squeeze表示是否将单列的分组返回为 Series；observed=true表示通过观察数据返回实际出现的分组。

利用cut()函数对数据分组

假设我们有一个包含学生分数信息的数据表格，如下所示：

现在我们想将这些学生按照分数分为 A、B、C、D 四组，其中 A 组为分数在 90分以上，B组为80~89分，C组为70~79分，D组为低于70分的学生。我们可以使用cut()函数来进行分组操作：

import pandas as pd

# 数据载入
data = pd.read_csv('data/scores.csv')

# 分桶标准
bins = [0, 69, 79, 89, 100]
labels = ['D', 'C', 'B', 'A']

# 构建分组对象
groups = pd.cut(data['Score'], bins=bins, labels=labels)

# 将分组结果与原数据进行合并
data['Group'] = groups

# 输出结果
print(data)

执行结果为：

     Name  Score Group
0     Tom     75     C
1    Lucy     85     B
2    Jack     93     A
3    Lily     80     B
4     Bob     60     D
5   Alice     88     A
6   David     95     A
7    Mike     70     C
8   Wendy     82     B
9  Sharon     70     C

可以看到，分组结果已经按照分数范围进行了分组，并且将结果合并到了原数据中。

利用groupby()函数对数据分组

上面使用了cut()函数进行分组，但是分组后的结果并没有进行统计分析。如果我们想要统计不同组别的学生数量和平均分数，可以使用groupby()函数进行分组操作。具体方法如下：

import pandas as pd

# 数据载入
data = pd.read_csv('data/scores.csv')

# 分桶标准
bins = [0, 69, 79, 89, 100]
labels = ['D', 'C', 'B', 'A']

# 构建分组对象
groups = pd.cut(data['Score'], bins=bins, labels=labels)

# 将分组结果与原数据进行合并
data['Group'] = groups

# 按组别对数据进行分组并统计数量和平均分
result = data.groupby(by='Group').agg({'Name': 'count', 'Score': 'mean'})

# 输出结果
print(result)

执行结果为：

       Name      Score
Group                 
D         2  65.000000
C         3  73.333333
B         3  82.333333
A         2  90.500000

可以看到，经过分组和统计分析后，不同组别的学生数量和平均分都被统计了出来。

总结

本文介绍了如何使用Pandas中的cut()函数和groupby()函数根据数据范围对数据进行分组操作，其中cut()函数可以将连续值分为离散的分组，而groupby()函数可以对数据进行分组和统计分析。通过这些函数，我们可以更有效地对数据进行分析和处理。