Skip to main content
 首页 » 编程设计

python之用相对于其他四分位数的四分位数替换 DF 中的值

2024年10月25日12jillzhang

我有一个巨大的 CSV 文件,其中包含我试图相互比较的跨项目 ID 的一系列指标,我想在每个指标中找到每个项目的四分位数,并将每个实际数字替换为其四分位数排名列内。下面显示了一些虚拟数据的示例。如果指标有 NaN 值,我想完全忽略它们。因此,对于 Metric 2,四分位数将基于具有 10 个值而不是 12 个值的列。

ID     Metric 1     Metric 2     Metric 3 
----------------------------------------- 
1      10           4.8          155           
2      11           5.6          301 
3      7            7.9          223 
4      14           NaN          88 
5      4            NaN          109 
6      18           6.6          213 
7      13           3.9          456 
8      5            8.1          403 
9      10           9.2          353 
10     11           4.1          312 
11     9            5.3          286 
12     6            3.3          215 
 
 
ID     Metric 1     Metric 2     Metric 3 
----------------------------------------- 
1      2            2            1           
2      3            3            3 
3      2            4            2 
4      4            NaN          1 
5      1            NaN          1 
6      4            3            2 
7      4            1            4 
8      1            4            4 
9      2            4            4 
10     3            2            3 
11     2            2            3 
12     1            1            2 

我知道在 pandas 中有比循环遍历每个单元格更好的方法,但我不太确定如何处理它。

请您参考如下方法:

您正在 Pandas 中寻找带有标签集的 qcut 方法。这是一个例子:

创建示例数据:

df1 = pd.DataFrame({'M1': randint(size=12, low=100, high = 500)}) 
df1['ID'] = df1.index 
print df1.head() 
 
 
    M1  ID 
0  281   0 
1  455   1 
2  401   2 
3  313   3 
4  432   4 

只要没有分组,只需使用qcut() 创建一个新变量:

df1['M1Q'] = pd.qcut(df1.M1, 4, labels=[1,2,3,4]) 
print df1 
 
     M1  ID M1Q 
0   281   0   3 
1   455   1   4 
2   401   2   4 
3   313   3   3 
4   432   4   4 
5   208   5   3 
6   207   6   2 
7   205   7   2 
8   130   8   1 
9   126   9   1 
10  167  10   2 
11  163  11   1 

根据帮助文件,qcut() 可以对空值执行您想要的操作。但我们不妨向自己证明这一点。因此,让我们吹掉一些数据并再次运行:

df1.M1.iloc[8:] = NaN 
df1['M1Q'] = pd.qcut(df1.M1, 4, labels=[1,2,3,4]) 
print df1 
 
     M1  ID M1Q 
0   356   0   3 
1   466   1   4 
2   420   2   3 
3   429   3   4 
4   165   4   1 
5   140   5   1 
6   231   6   2 
7   230   7   2 
8   NaN   8 NaN 
9   NaN   9 NaN 
10  NaN  10 NaN 
11  NaN  11 NaN 

我认为这看起来像您所追求的。祝你好运!