V1 V2

0.5 2

0.8 13

0.7 5

0.9 25

1.2 4

…

请问如何按照区间对V2分组(统计最大值到最小值，分成n个区间)，统计每个区间中所有V1值的平均数

回答

binning的部分可以用 case_when

library(tidyverse)

data %>%

mutate(V2 = case_when(V2 %>% between(0,1) ~ "0-1",

V2 %>% between(1,2) ~ "0-2",

TRUE ~ ">=3") %>%

group_by(V2) %>%

summarize(mean_value = mean(V1))

是不是 R 的代码比上面的 更用户友好点。

对 v2 列分组，映射成分组 ID 列，然后做平均值统计便可。

请参考以下代码

'''

按区间对某列做分组，然后统计各组的另一列的平均值。

author: 李毅

'''

import numpy as np

import pandas as pd

df = pd.DataFrame([

[0.1, 1],

[0.2, 2],

[0.3, 3],

[0.4, 4],

[0.5, 5],

[0.6, 6],

], columns=['v1', 'v2'])

# 对列 v2 分组。

# 除了 np.histogram ，还可以用等距法等分区间，这取决于你的业务需求。

ranges = np.histogram(df.v2.values, 3)[1]

def tag_v2(value, ranges):

''' 用分组 ID 对 v2 值做标签。 '''

for i in range(len(ranges) - 1):

if value >= ranges[i] and value <= ranges[i+1]:

return i

return -1

# 添加 v2 标签列。

df['v2_tag'] = df.v2.apply(lambda i: tag_v2(i, ranges))

print df

输出结果

v1 v2 v2_tag

0 0.1 1 0

1 0.2 2 0

2 0.3 3 1

3 0.4 4 1

4 0.5 5 2

5 0.6 6 2

统计平均值

print df.groupby('v2_tag')['v1'].mean()

输出结果

v2_tag

0 0.15

1 0.35

2 0.55

Name: v1, dtype: float64

使用pandas.cut和groupby

import pandas as pd

from io import StringIO

s = """

V1,V2

0.5,2

0.8,13

0.7,5

0.9,25

1.2,4"""

df = pd.read_csv(StringIO(s))

# 假设分成10组

step = (df.V2.max - df.V2.min)/10

bins = [df.V2.min() + i * step for i in range(11)]

result = df.groupby(pd.cut(df.V2, bins)).V1.mean()

输出：

V2

(2.0, 4.3] 1.2

(4.3, 6.6] 0.7

(6.6, 8.9] NaN

(8.9, 11.2] NaN

(11.2, 13.5] 0.8

(13.5, 15.8] NaN

(15.8, 18.1] NaN

(18.1, 20.4] NaN

(20.4, 22.7] NaN

(22.7, 25.0] 0.9

Name: V1, dtype: float64