import numpy as np
import pandas as pd
df = pd.DataFrame(np.random.randint(0,100,100), columns=['score'])
# 以所在区间作为标签。如 x=5，返回：'[0-10]'
def make_label(x, step=10):
m = x // step
return '[{}-{}]'.format(m * step, (m+1) * step)
#df['level'] = df['score'].map(make_label)
df['level'] = df['score'].map(lambda x:make_label(x,step=10)) # 改变区间长度为15
res = df.groupby('level').size()
print(df.head())
print(res)pandas 给数据打标签
2016-08-29
1039
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
import numpy as npimport pandas as pddf = pd.DataFrame(np.random.randint(0,100,100), columns=['score'])# 以所在区间作为标签。
目录
相关文章
|
20天前
|
索引
Python
如何使用Pandas进行数据合并？
Pandas提供`merge()`, `join()`, `concat()`等方法进行数据合并。基本步骤包括导入pandas库、创建或加载DataFrame，然后调用这些方法合并数据。示例中展示了如何使用`merge()`和`join()`：创建两个DataFrame `df1`和`df2`，通过`merge()`基于索引合并，以及`join()`进行外连接合并。
21
0
0
|
9月前
|
索引
Python
|
12月前
|
Python
|
数据挖掘
索引
Python
|
机器学习/深度学习
索引
Python
|
算法
数据挖掘
数据库
Pandas数据框整体操作（中）
引入
俗话说得好，做事和学习要循序渐进。pandas里面数据框整体操作还是非常重要的，上篇主要介绍的是最形象的数据框操作，而本期则偏重综合实践，介绍数据的连接。
119
0
0
|
IDE
开发工具
索引
Pandas数据框整体操作（上）
引入
前面几期我几乎介绍了pandas可能用到的各个基础函数。
但有一个非常重要的内容似乎一直忽视了
包括我近期查阅了许多文章，好像在这部分内容上比较难以讲清楚，没基础的读者很容易云里雾里。
他就是pandas的数据框整体操作
107
0
0
|
数据挖掘
索引
Python
|
数据挖掘
索引
Python
|
数据可视化
开发者
索引