- 数据分组标签化
pd.cut(data,bins,labels=lable)
需对数据进行分组时比较实用
pd.cut(np.random.randint(0,60,5), [0,10,30,60], right=False, labels=['0-10区间','10-30区间','30-60区间'])
Out[4]:[30-60区间, 30-60区间, 30-60区间, 10-30区间, 30-60区间]
Categories (3, object): [0-10区间 < 10-30区间 < 30-60区间]
存在一个小问题,分组时数据范围包后不包前,即第一组为(0,10],如有数据0,结果会为NaN
df2['ld']=pd.cut(df2['烈度'],[0,3,4,5,np.inf])
df2.head()
2.多级索引
df.set_index([‘深度’,‘烈度’]).sort_index()
df_a=df.copy()
df_a['深度'] = pd.cut(df_a['深度'], [-1e-10,5,10,15,20,30,50,np.inf],labels=['Ⅰ','Ⅱ','Ⅲ','Ⅳ','Ⅴ','Ⅵ','Ⅶ'])
df_a['烈度'] = pd.cut(df_a['烈度'], [-1e-10,3,4,5,np.inf],labels=['Ⅰ','Ⅱ','Ⅲ','Ⅳ'])
df_a.set_index(['深度','烈度']).sort_index().head()