Python Pandas Schaffen Neue Bin/Eimer Variable mit pd.qcut

Wie erstellen Sie eine neue Bin/Eimer Variable mit pd.qut in python?

Dies mag elementar für erfahrene Benutzer, aber ich war nicht super klar und es war erstaunlich unintuitiv zu suchen, auf stack overflow/google. Einige Gründliche Suche ergab diese ( Zuordnung von qcut als neue Spalte ), aber es hat nicht ganz meine Frage beantworten, weil es nicht nehmen Sie den letzten Schritt und legte alles, was in den Behältern (z.B. 1,2,...).

InformationsquelleAutor sfortney | 2015-02-10
  1. 8

    In Pandas 0.15.0 oder neuer, pd.qcut gibt eine Serie, nicht ein Kategorischer wenn die Eingabe einer Reihe (wie in deinem Fall) oder wenn labels=False. Wenn Sie labels=False, dann qcut gibt eine Serie mit dem integer-Indikatoren für die Behälter, die als Werte.

    Also der eigene code zukunftssicher ist, könnten Sie

    data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)

    oder übergeben Sie einen NumPy-array pd.qcut so erhalten Sie eine Kategorische als Rückgabewert.
    Beachten Sie, dass der Kategorische Attribut - Etiketten ist veraltet. Verwenden codes statt:

    data3['bins_spd'] = pd.qcut(data3['spd_pct'].values, 5).codes
    • Super!!! Mir war nicht bewusst, dass. Danke für den Hinweis it out.
    InformationsquelleAutor unutbu
  2. 5

    EDIT: Die Antwort unten ist nur gültig für Versionen von Pandas weniger als 0.15.0. Wenn Sie mit Pandas 15 oder höher finden Sie unter:

    data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)

    Dank @unutbu für den Hinweis it out. 🙂

    Sagen, Sie haben einige Daten, die Sie wollen bin, in meinem Fall Optionen spreads, und Sie wollen eine neue variable mit dem Eimer, die der jeweiligen Beobachtung. Der link oben erwähnt, Sie können dies tun, indem Sie: 

    print pd.qcut(data3['spd_pct'], 40)

(0.087, 0.146]
(0.0548, 0.087]
(0.146, 0.5]
(0.146, 0.5]
(0.087, 0.146]
(0.0548, 0.087]
(0.5, 2]

    dem gibt Sie, was die bin Endpunkte entsprechen, die für jede Beobachtung. Allerdings, wenn Sie möchten, die entsprechende bin-Nummer für jede Beobachtung können Sie dies tun:

    print pd.qcut(data3['spd_pct'],5).labels

[2 1 3 ..., 0 1 4]

    Setzen Sie alle zusammen, wenn Sie möchten, erstellen Sie eine neue variable, nur mit den bin-Nummern, dies sollte ausreichen:

    data3['bins_spd']=pd.qcut(data3['spd_pct'],5).labels

print data3.head()

   secid      date    symbol  symbol_flag     exdate   last_date cp_flag  0   5005  1/2/1997  099F2.37            0  1/18/1997         NaN       P   
1   5005  1/2/1997  09B0B.1B            0  2/22/1997   12/3/1996       P   
2   5005  1/2/1997  09B7C.2F            0  2/22/1997  12/11/1996       P   
3   5005  1/2/1997  09EE6.6E            0  1/18/1997  12/27/1996       C   
4   5005  1/2/1997  09F2F.CE            0  8/16/1997         NaN       P   

   strike_price  best_bid  best_offer     ...      close  volume_y    return  0          7500     2.875      3.2500     ...        4.5     99200  0.074627   
1         10000     5.375      5.7500     ...        4.5     99200  0.074627   
2          5000     0.625      0.8750     ...        4.5     99200  0.074627   
3          5000     0.125      0.1875     ...        4.5     99200  0.074627   
4          7500     3.000      3.3750     ...        4.5     99200  0.074627   

   cfadj_y  open  cfret  shrout      mid   spd_pct  bins_spd  
0        1   4.5      1   57735  3.06250  0.122449         2  
1        1   4.5      1   57735  5.56250  0.067416         1  
2        1   4.5      1   57735  0.75000  0.333333         3  
3        1   4.5      1   57735  0.15625  0.400000         3  
4        1   4.5      1   57735  3.18750  0.117647         2  

[5 rows x 35 columns]

    Hoffe, dies hilft jemand anderes. Zumindest sollte es leichter sein, um die Suche für jetzt. 🙂

    InformationsquelleAutor sfortney
Schreibe einen Kommentar