pandas 给数据打标签

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。
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)
目录
相关文章
|
3月前
|
SQL 数据挖掘 索引
Pandas数据筛选的5种技巧
Pandas数据筛选的5种技巧
142 1
|
4月前
|
存储 关系型数据库 数据库
如何在 Pandas 中合并数据框?
【8月更文挑战第30天】
25 0
|
4月前
|
Python
[pandas]从多个文件中构建dataframe
[pandas]从多个文件中构建dataframe
|
7月前
|
数据采集 数据处理 索引
如何使用 Pandas 删除 DataFrame 中的非数字类型数据?
如何使用 Pandas 删除 DataFrame 中的非数字类型数据?
98 3
|
7月前
|
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。
72 0
|
索引 Python
pandas数据合并
pandas数据合并
76 0
|
Python
【一日一技】超简单的Pandas数据筛选方法
【一日一技】超简单的Pandas数据筛选方法
140 0
|
数据挖掘 索引 Python
Pandas 缺失数据
Pandas 缺失数据
Pandas 缺失数据
|
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。
Pandas数据框整体操作(中)
|
机器学习/深度学习 索引 Python
pandas 分组知识
pandas 分组知识
106 0