python – pandas – 添加一个值基于exisitng的列(bin,qcut)

我正在慢慢地从R变成Python熊猫,我正面临一个我无法解决的问题……

我需要将一个列的值离散化,方法是将它们分配给bin并将这些bin名称的列添加到原始DataFrame中.我正在尝试使用pandas.qcut,但生成的Categorical对象似乎无法与DataFrame一起使用.

一个例子：

import pandas as pd
df1 = pd.DataFrame(np.random.randn(10),columns=['a'])
df1['binned_a'] = pd.qcut(df1['a'],4)

现在,当尝试在df1上调用describe时,我看不到新列：

>>> df1.describe()
               a
count  10.000000
mean    0.594072
std     1.109981
min    -0.807307
25%    -0.304550
50%     0.545839
75%     1.189487
max     2.851922

但是,它显然是存在的：

>>> df1
          a          binned_a
0  0.190015   (-0.305,0.546]
1  0.140227   (-0.305,0.546]
2  1.380000    (1.189,2.852]
3 -0.522530  [-0.807,-0.305]
4 -0.452810  [-0.807,-0.305]
5  2.851922    (1.189,2.852]
6 -0.807307  [-0.807,-0.305]
7  0.901663    (0.546,1.189]
8  1.010334    (0.546,1.189]
9  1.249205    (1.189,2.852]

我究竟做错了什么？我想要的结果是获得一个包含4个唯一字符串值的列,用于描述二进制数(如R中的因子).

编辑：

正如Dan正确发现的那样,summary()方法不会显示包含纯文本数据的列,因此解决了神秘的问题:)非常感谢！

解决方法

我从来都不是R用户,但如果我理解你,你想把数据分组到箱子里并描述每个箱子.

In [9]: df.groupby('binned_a').describe().unstack()
Out[9]:               a                                                   \
                  count      mean       std       min       25%       50%   
binned_a                                                                    
(-0.113,0.109]       2  0.025114  0.010264  0.017856  0.021485  0.025114   
(-0.337,-0.113]      2 -0.282838  0.056445 -0.322751 -0.302794 -0.282838   
(0.109,0.563]        3  0.354481  0.214402  0.134978  0.250027  0.365076   
[-1.842,-0.337]      3 -1.003969  0.765167 -1.841622 -1.335073 -0.828523   


                   75%       max  
binned_a                              
(-0.113,0.109]   0.028742  0.032371  
(-0.337,-0.113] -0.262882 -0.242925  
(0.109,0.563]    0.464233  0.563390  
[-1.842,-0.337] -0.585142 -0.341762

要完全避免使用分类,请参阅https://stackoverflow.com/a/17150734/1221924