データを値の範囲でグループ化する

Question

注文時に部品を表示するcsvファイルがあります。列には、後期、数量、および商品の日数が含まれます。

データを数日後にグループ化し、数量の合計で商品をグループ化する必要があります。しかし、遅い日は範囲にグループ化する必要があります。

>56 
>35 and <= 56 
>14 and <= 35 
>0 and <=14 

私はどのようにdictを使うことができると思っていました。これは可能な限り、この

{'Red':'>56,'Amber':'>35 and <= 56','Yellow':'>14 and <= 35','White':'>0 and <=14'} 

のようなものは、私は私が私にはわからないので、パンダに新しいです。この

 Red Amber Yellow White 
STRSUB 56 60  74  40 
BOTDWG 20 67  87  34 

のような結果を探しています。誰も助言を与えることができますか？

おかげ

Answer 1

は、このデータで始まると仮定します。

df = pd.DataFrame({'ID': ('STRSUB BOTDWG'.split())*4, 
        'Days Late': [60, 60, 50, 50, 20, 20, 10, 10], 
        'quantity': [56, 20, 60, 67, 74, 87, 40, 34]}) 
# Days Late  ID quantity 
# 0   60 STRSUB  56 
# 1   60 BOTDWG  20 
# 2   50 STRSUB  60 
# 3   50 BOTDWG  67 
# 4   20 STRSUB  74 
# 5   20 BOTDWG  87 
# 6   10 STRSUB  40 
# 7   10 BOTDWG  34 

その後、あなたはpd.cutを使用してステータスのカテゴリを見つけることができます。

df['status'] = pd.cut(df['Days Late'], bins=[-1, 14, 35, 56, 365], labels=False) 
labels = np.array('White Yellow Amber Red'.split()) 
df['status'] = labels[df['status']] 
del df['Days Late'] 
print(df) 
#  ID quantity status 
# 0 STRSUB  56  Red 
# 1 BOTDWG  20  Red 
# 2 STRSUB  60 Amber 
# 3 BOTDWG  67 Amber 
# 4 STRSUB  74 Yellow 
# 5 BOTDWG  87 Yellow 
# 6 STRSUB  40 White 
# 7 BOTDWG  34 White 

今すぐ希望の形でデータフレームを取得するためにpivotを使用します：

df = df.pivot(index='ID', columns='status', values='quantity') 

と、デフォルトでは、pd.cutハーフオープン間隔、(-1, 14], (14, 35], (35, 56], (56, 365]があるのカテゴリにシリーズdf['Days Late']を分割していることに注意してくださいreindexを使用して、行と列の希望の順序を取得します。

df = df.reindex(columns=labels[::-1], index=df.index[::-1]) 

---

したがって、

import numpy as np 
import pandas as pd 

df = pd.DataFrame({'ID': ('STRSUB BOTDWG'.split())*4, 
        'Days Late': [60, 60, 50, 50, 20, 20, 10, 10], 
        'quantity': [56, 20, 60, 67, 74, 87, 40, 34]}) 
df['status'] = pd.cut(df['Days Late'], bins=[-1, 14, 35, 56, 365], labels=False) 
labels = np.array('White Yellow Amber Red'.split()) 
df['status'] = labels[df['status']] 
del df['Days Late'] 
df = df.pivot(index='ID', columns='status', values='quantity') 
df = df.reindex(columns=labels[::-1], index=df.index[::-1]) 
print(df) 

利回り

 Red Amber Yellow White 
ID        
STRSUB 56  60  74  40 
BOTDWG 20  67  87  34 

Answer 2

あなたは次のようにmapまたはapply機能を使用して、日数に基づいてDataFrameに後期列を列を作成することができます。最初にいくつかのサンプルデータを作成しましょう。

df = pandas.DataFrame({ 'ID': 'foo,bar,foo,bar,foo,bar,foo,foo'.split(','), 
         'Days Late': numpy.random.randn(8)*20+30}) 

    Days Late ID 
0 30.746244 foo 
1 16.234267 bar 
2 14.771567 foo 
3 33.211626 bar 
4 3.497118 foo 
5 52.482879 bar 
6 11.695231 foo 
7 47.350269 foo 

日のデータに後期列を変換し、コードと呼ばれる列を追加するヘル​​パー関数を作成します。

def days_late_xform(dl): 
    if dl > 56: return 'Red' 
    elif 35 < dl <= 56: return 'Amber' 
    elif 14 < dl <= 35: return 'Yellow' 
    elif 0 < dl <= 14: return 'White' 
    else: return 'None' 

df["Code"] = df['Days Late'].map(days_late_xform) 

    Days Late ID Code 
0 30.746244 foo Yellow 
1 16.234267 bar Yellow 
2 14.771567 foo Yellow 
3 33.211626 bar Yellow 
4 3.497118 foo White 
5 52.482879 bar Amber 
6 11.695231 foo White 
7 47.350269 foo Amber 

最後に、あなたはIDとコードで列を集約するgroupbyを使用して、次のようにグループの数を取得することができます：

g = df.groupby(["ID","Code"]).size() 
print g 

ID Code 
bar Amber  1 
    Yellow 2 
foo Amber  1 
    White  2  
    Yellow 2 

df2 = g.unstack() 
print df2 

Code Amber White Yellow 
ID 
bar  1 NaN  2 
foo  1  2  2 

Answer 3

私は、これは少し遅れて来ているけど、私はあなたと同じ問題を抱えていたし、機能のnp.digitizeを共有したいと思いました。それはまさにあなたが望むもののように聞こえる。

a = np.random.randint(0, 100, 50) 
grps = np.arange(0, 100, 10) 
grps2 = [1, 20, 25, 40] 
print a 
[35 76 83 62 57 50 24 0 14 40 21 3 45 30 79 32 29 80 90 38 2 77 50 73 51 
71 29 53 76 16 93 46 14 32 44 77 24 95 48 23 26 49 32 15 2 33 17 88 26 17] 

print np.digitize(a, grps) 
[ 4 8 9 7 6 6 3 1 2 5 3 1 5 4 8 4 3 9 10 4 1 8 6 8 6 
    8 3 6 8 2 10 5 2 4 5 8 3 10 5 3 3 5 4 2 1 4 2 9 3 2] 

print np.digitize(a, grps2) 
[3 4 4 4 4 4 2 0 1 4 2 1 4 3 4 3 3 4 4 3 1 4 4 4 4 4 3 4 4 1 4 4 1 3 4 4 2 
4 4 2 3 4 3 1 1 3 1 4 3 1]