构造测试数据

import numpy as np
import pandas as pd
import random
# 随机生成20名同学，语数外三科成绩
df = pd.DataFrame(np.array([random.randint(40,100) for i in range(60)]).reshape(20,3),columns=["语文","数学","英语"])
df['总成绩'] = df.sum(axis=1)
df

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
 

添加一列条件列，给成绩评级，评级规则如下：

• 差： 总成绩 < 180
• 良 ：180~ 240（含180不含240）
• 优 ： >=240

这是一个excel学习中很经典的案例，先构造评级参数表，然后直接用lookup匹配就可以了，具体不在这讲了，今天讲一下用python怎么实现该功能，总共五种(三大类：映射+numpy+pandas分箱)方法，提前预告下，最后一种数据分箱是与excel 中的 lookup最像的

方法一：映射 apply |map + lambda

# 方法一  apply |map + lambda
df1 = df.copy()
df1['评级'] = df1['总成绩'].apply(lambda x: "差" if x <180 else "良" if x<240 else "优")


df4 = df.copy()
df4['总成绩'].map(lambda x: "差" if x <180 else "良" if x<240 else "优")

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
 

方法二：映射 apply + def

# 方法二 apply + def
df2 = df.copy()
def test(data):
    if data < 180:
        return "差"
    elif data <240:
        return "良"
    else:
        return "优"

df2['评级'] = df2['总成绩'].apply(test)


df3 = df.copy()
def test2(data):
    total_score = data.values[-1]
    if total_score < 180:
        return "差"
    elif total_score <240:
        return "良"
    else:
        return "优"
df3['评级'] = df3.apply(test2,axis = 1)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
 

方法三：nupmy内置函数-np.where

# 方法三 np.where
df5 = df.copy()
# Numpy的内置where()函数。这个函数依次接受三个参数：条件；如果条件为真，分配给新列的值；如果条件为假，分配给新列的值
# np.where(condition, value if condition is true, value if condition is false)
df5['评级'] = np.where(df5['总成绩']<180,"差",np.where(df5['总成绩']<240,"良","优"))

  

 

  
1
  
2
  
3
  
4
  
5
 

方法四：nupmy内置函数-np.select

# 方法四 np.select
# np.select()的函数，给它提供两个参数：一个条件，另一个对应的等级列表。
# 在conditions列表中的第一个条件得到满足，values列表中的第一个值将作为新特征中该样本的值，以此类推

df6 = df.copy()
conditions = [
    (df6['总成绩'] < 180),
    (df['总成绩'] >= 180) & (df6['总成绩'] <240),
    (df6['总成绩'] >= 240)
    ]
values = ['差','良','优']
df6['评级'] = np.select(conditions,values)

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

方法五：数据分箱pd.cut()——最类似于excel中的lookup

方法五 数据分箱pd.cut()——最类似于excel 中 lookup的方法


pd.cut( x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise', )

x ： 一维数组（对应前边例子中提到的总成绩）

bins ：整数，标量序列或者间隔索引，是进行分组的依据，

如果填入整数n，则表示将x中的数值分成等宽的n份（即每一组内的最大值与最小值之差约相等）；
如果是标量序列，序列中的数值表示用来分档的分界值
如果是间隔索引，“ bins”的间隔索引必须不重叠
right ：布尔值，默认为True表示包含最右侧的数值

当“ right = True”（默认值）时，则“ bins”=[1、2、3、4]表示（1,2]，（2,3],（3,4]
当bins是一个间隔索引时，该参数被忽略。
labels : 数组或布尔值，可选.指定分箱的标签

如果是数组，长度要与分箱个数一致，比如“ bins”=[1、2、3、4]表示（1,2]，（2,3],（3,4]一共3个区间，则labels的长度也就是标签的个数也要是3
如果为False，则仅返回分箱的整数指示符，即x中的数据在第几个箱子里
当bins是间隔索引时，将忽略此参数
retbins： 是否显示分箱的分界值。默认为False，当bins取整数时可以设置retbins=True以显示分界值，得到划分后的区间

precision：整数，默认3，存储和显示分箱标签的精度。

include_lowest：布尔值，表示区间的左边是开还是闭，默认为false，也就是不包含区间左边。

duplicates：如果分箱临界值不唯一，则引发ValueError或丢弃非唯一

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
 

# 方法五 数据分箱pd.cut()——最类似于excel 中 lookup的方法
df7 = df.copy()
bins = [0,180,240,300.1]
labels = ['差','良','优']
df6['评级'] = pd.cut(df6['总成绩'],bins,right=False,labels=labels,include_lowest=True)

  

 

  
1
  
2
  
3
  
4
  
5
 

文章来源: blog.csdn.net，作者：诡途，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/qq_35866846/article/details/119206829