Pandas 按值范围对二维 NumPy 数据进行分组

Question

    我有一个二维数组形式的大型数据集。二维数组表示连续的强度数据，我想用它来创建另一个相同大小的二维数组，只是这一次，这些值被分组为离散值。换句话说，如果我有一个像这样的二维数组，

[(11, 23, 33, 12),

 (21, 31, 13, 19),

 (33, 22, 26, 31)]

输出将如下所示，其中 10 到 19 的值分配给 1，20 到 29 的值分配给 2，30 到 39 的值分配给 3。

[(1, 2, 3, 1),

 (2, 3, 1, 1),

 (3, 2, 2, 3)]

更理想的是，我想根据百分位数进行这些分配。例如，前 10% 的值被分配到 5，前 20 到 4 的值，依此类推。

我的数据集是 NumPy 格式。我查看了函数groupby，但这似乎不允许我指定范围。我也看过cut但是 cut 只适用于一维数组。我考虑过在遍历每一行数据时通过循环运行 cut 函数，但我担心这可能会花费太多时间。我的矩阵可能大到 4000 行 x 4000 列。

Answer 1

您需要stack数据框具有一维表示，然后应用cut. 之后你就可以unstack了。[tuple(x) for x in (pd.cut(pd.DataFrame(a).stack(), bins=[10,20,30,40], labels=False)+1).unstack().values]或（使用@user3483203的魔法）[tuple(x) for x in np.searchsorted([10, 20, 30, 40], np.array(a))]输出：[(1, 2, 3, 1),  (2, 3, 1, 1),  (3, 2, 2, 3)]