我有一個(gè)數(shù)據(jù)框列，它指定用戶執(zhí)行某項(xiàng)活動(dòng)的次數(shù)。例如。>>> df['ActivityCount']Users ActivityCountUser0 220User1 190User2 105User3 109User4 271User5 265 ...User95 64User96 15User97 168User98 251User99 278Name: ActivityCount, Length: 100, dtype: int32>>> activities = sorted(df['ActivityCount'].unique())[9, 15, 16, 17, 20, 23, 25, 26, 28, 31, 33, 34, 36, 38, 39, 43, 49, 57, 59, 64, 65, 71, 76, 77, 78,83, 88, 94, 95, 100, 105, 109, 110, 111, 115, 116, 117, 120, 132, 137, 138, 139, 140, 141, 144, 145, 148, 153, 155, 157, 162, 168, 177, 180, 182, 186, 190, 192, 194, 197, 203, 212, 213, 220, 223, 231, 232, 238, 240, 244, 247, 251, 255, 258, 260, 265, 268, 269, 271, 272, 276, 278, 282, 283, 285, 290]根據(jù)他們的 ActivityCount，我必須將用戶分為 5 個(gè)不同的類別，例如A, B, C, D和E。活動(dòng)計(jì)數(shù)范圍不時(shí)變化。在上面的例子中，它大約在中間(9-290)（系列的最低和最高），它可以是(5-500)or (5 to 30)。在上面的示例中，我可以將活動(dòng)的最大數(shù)量除以 5，然后將每個(gè)用戶分類在 58 的范圍內(nèi)，例如(from 290/5)，Range A: 0-58...等Range B: 59-116Range C: 117-174有沒(méi)有其他方法可以使用 pandas 或 numpy 實(shí)現(xiàn)此目的，以便我可以直接對(duì)給定類別中的列進(jìn)行分類？預(yù)期輸出：->>> dfUsers ActivityCount Category/Range User0 220 DUser1 190 DUser2 105 B User3 109 BUser4 271 E User5 265 E ...User95 64 BUser96 15 AUser97 168 CUser98 251 EUser99 278 E
2 回答
慕容3067478
TA貢獻(xiàn)1773條經(jīng)驗(yàn) 獲得超3個(gè)贊
這樣做的自然方法是將數(shù)據(jù)分成 5 個(gè)數(shù)量，然后根據(jù)這些數(shù)量將數(shù)據(jù)分成 bin。幸運(yùn)的是，pandas 可以讓你輕松做到這一點(diǎn)：
df["category"] = pd.cut(df.Activity, 5, labels= ["a","b", "c", "d", "e"])
輸出類似于：
Activity Category
34 115 b
15 43 a
57 192 d
78 271 e
26 88 b
6 25 a
55 186 d
63 220 d
1 15 a
76 268 e
另一種觀點(diǎn)——聚類
在上述方法中，我們將數(shù)據(jù)分成 5 個(gè) bin，其中不同 bin 的大小相等。另一種更復(fù)雜的方法是將數(shù)據(jù)分成 5 個(gè)集群，并旨在使每個(gè)集群中的數(shù)據(jù)點(diǎn)盡可能彼此相似。在機(jī)器學(xué)習(xí)中，這被稱為聚類/分類問(wèn)題。
一種經(jīng)典的聚類算法是k-means。它通常用于具有多個(gè)維度（例如每月活動(dòng)、年齡、性別等）的數(shù)據(jù)。因此，這是一個(gè)非常簡(jiǎn)單的聚類案例。
在這種情況下，可以通過(guò)以下方式進(jìn)行 k-means 聚類：
import scipy
from scipy.cluster.vq import vq, kmeans, whiten
df = pd.DataFrame({"Activity": l})
features = np.array([[x] for x in df.Activity])
whitened = whiten(features)
codebook, distortion = kmeans(whitened, 5)
code, dist = vq(whitened, codebook)
df["Category"] = code
輸出看起來(lái)像：
Activity Category
40 138 1
79 272 0
72 255 0
13 38 3
41 139 1
65 231 0
26 88 2
59 197 4
76 268 0
45 145 1
一些注意事項(xiàng)：
類別的標(biāo)簽是隨機(jī)的。在這種情況下，標(biāo)簽“2”指的是比級(jí)別“1”更高的活動(dòng)。
我沒(méi)有將標(biāo)簽從 0-4 遷移到 AE。這可以使用 pandas' 輕松完成map。
慕尼黑的夜晚無(wú)繁華
TA貢獻(xiàn)1864條經(jīng)驗(yàn) 獲得超6個(gè)贊
嘗試以下解決方案：
df['Categ'] = pd.cut(df.ActivityCount, bins=5, labels=list('ABCDE'))它創(chuàng)建Categ列 - 將ActivityCount 劃分為 5 個(gè)容器的結(jié)果，標(biāo)記為A , ... E。
通過(guò)將整個(gè)范圍劃分為n 個(gè)大小相等的子范圍來(lái)設(shè)置箱的邊界。
您還可以看到每個(gè)垃圾箱的邊界，調(diào)用：
pd.cut(df.ActivityCount, bins=5, labels=list('ABCDE'), retbins=True)[1]添加回答
舉報(bào)
0/150
提交
取消