如何跨数据帧的列使用pd.cut（）？

Question

>> df = pd.DataFrame(np.random.rand(10,4))
>> pd.cut(df,[0,0.5,1])

ValueError: Input array must be 1 dimensional

如何pd.cut()跨数据框架的所有列工作？

Answer 1

用做它pd.cut只能接受一个维

df = pd.DataFrame(np.random.rand(10,4))
pd.cut(df[0],[0,0.5,1])

或者

df.apply(lambda x : pd.cut(x,[0,0.5,1]),1)

Answer 2

使用 apply

df.apply(pd.cut, bins=[0,0.5,1])

您可以指定axis是否要跨列（axis=0）或行（axis=1）运行

Answer 3

如果您不介意标签的类型略有不同，请numpy.digitize提供矢量化n-d解决方案。

np.digitize(df, bins=[0, 0.5, 1.0])

array([[2, 2, 2, 2],
       [1, 2, 2, 2],
       [1, 1, 2, 1],
       [2, 1, 2, 1],
       [2, 1, 2, 1],
       [2, 2, 2, 2],
       [1, 2, 1, 1],
       [2, 1, 2, 2],
       [2, 2, 1, 1],
       [2, 1, 2, 1]], dtype=int64)

标签1将对应于0-0.5，2以0.5-1.0，等等。

性能

df = pd.DataFrame(np.random.rand(1000, 1000))

%timeit pd.DataFrame(np.digitize(df, bins=[0, 0.5, 1.0]), columns=df.columns)
13.2 ms ± 36.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df.apply(pd.cut, bins=[0, 0.5, 1])
3.11 s ± 12.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit pd.cut(df.stack(),[0,0.5,1]).unstack()
1.48 s ± 3.82 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)