pandas groupby 左闭右开改为左开右闭|极客笔记

pandas groupby 左闭右开改为左开右闭

在进行数据分组和聚合分析时，经常会用到pandas库中的groupby函数。groupby函数可以根据指定的条件对数据进行分组，然后进行聚合操作，如求和、计数、平均值等。在默认情况下，groupby函数的分组是左闭右开的，即左边界包含，右边界不包含。本文将介绍如何将groupby函数的默认行为从左闭右开改为左开右闭。

什么是左闭右开

在pandas中，当我们使用groupby函数进行分组操作时，默认情况下，分组的边界是左闭右开的。例如，我们有以下的数据集：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Alice', 'Bob', 'Charlie'],
        'Score': [80, 90, 75, 85, 95, 88, 92]}

df = pd.DataFrame(data)

对于以上的数据集，如果我们要根据Score列的取值范围进行分组，可以使用如下的代码：

bins = [70, 80, 90, 100]
group_names = ['Low', 'Mid', 'High']

df['Score_Group'] = pd.cut(df['Score'], bins, labels=group_names)
grouped = df.groupby('Score_Group').mean()
print(grouped)

以上代码将根据Score列的取值范围将数据集分为了三组：低分组、中分组和高分组。在默认情况下，groupby函数按照左闭右开的方式进行分组。也就是说，如果一个数据点的Score值为80，它会被分到中分组中，而不会被分到低分组或高分组中。

将左闭右开改为左开右闭

有时，我们希望将groupby函数的分组方式改为左开右闭，即左边界不包含，右边界包含。在pandas中，可以通过pd.Interval类来实现这一目的。

下面是如何将groupby函数的分组方式改为左开右闭的示例代码：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Alice', 'Bob', 'Charlie'],
        'Score': [80, 90, 75, 85, 95, 88, 92]}

df = pd.DataFrame(data)

intervals = [pd.Interval(left=70, right=80, closed='right'), 
             pd.Interval(left=80, right=90, closed='right'), 
             pd.Interval(left=90, right=100, closed='right')]
group_names = ['Low', 'Mid', 'High']

df['Score_Group'] = pd.cut(df['Score'], intervals, labels=group_names)
grouped = df.groupby('Score_Group').mean()
print(grouped)

在以上代码中，我们首先定义了三个pd.Interval对象，它们分别表示了三个分组的取值范围。pd.Interval对象的closed参数可以指定哪一侧的边界是闭合的。在本例中，我们将closed参数设置为'right'，即右边界是闭合的，这样就实现了左开右闭的分组方式。

通过运行以上代码，可以得到如下的输出：

            Score
Score_Group       
Low          75.0
Mid          83.0
High         93.5

可以看到，数据集根据Score列的取值范围被正确地分为了左开右闭的三个分组。

结语

在pandas中，groupby函数默认使用左闭右开的方式进行分组，但我们也可以通过使用pd.Interval类来将其改为左开右闭。这使得我们可以更加灵活地对数据进行分组和聚合操作，满足不同的分析需求。

pandas groupby 左闭右开改为左开右闭