Skip to main content
 首页 » 编程设计

python之Pandas 合并箱

2025年04月02日16softidea

我使用 numpy 直方图和数字化函数创建了一个分布。

_, bins = np.histogram(x, bins=bins) 
arr = np.digitize(x, bins) - 1 
x = bins[arr[:]] 

或者可能:

x = pandas.cut(x, bins=bins) 

然而,由于分布非常偏斜,即使在移除异常值之后,仍有许多 bin 的观测值非常少。我想合并垃圾箱,有点类似于:

How to merge bins in R

该过程可能涉及 pandas groupby,然后将小于 n 的组大小合并到它们的相邻值。有没有办法在 pandas/numpy 中实现这一点?

请您参考如下方法:

正如 promise 的那样,我在 0.3.5 版的 physt 中实现了一些东西。欢迎您使用它。

参见 http://nbviewer.jupyter.org/github/janpipek/physt/blob/master/doc/Binning2.ipynb#Merging-bins特别是http://nbviewer.jupyter.org/github/janpipek/physt/blob/master/doc/Binning2.ipynb#By-min-frequency

在您的情况下,工作流程将是这样的:

import physt 
histogram = physt.h1(x, bins=bins) 
histogram.merge_bins(min_frequency=n) 
bins = histogram.numpy_bins  

请注意,代码处于 alpha 阶段,并非每个 bin 包含的数量都超过所需的最小值(为了保留高窄 bin)。最佳算法仍在寻找中。