如何根据数据帧和numpy中的协变量对观测值进行分类？

Question

我有一个包含n个观测值的数据集，比如说2个变量X1和X2。我试图根据（X1，X2）值的一组条件对每个观察结果进行分类。例如，数据集看起来像

df:
Index     X1    X2
1         0.2   0.8
2         0.6   0.2
3         0.2   0.1
4         0.9   0.3

组的定义是

• 第1组：X1

我想生成以下数据帧。

expected result:
Index     X1    X2    Group
1         0.2   0.8   1
2         0.6   0.2   4
3         0.2   0.1   3
4         0.9   0.3   4

另外，对于此类问题，使用numpy阵列是否更好/更快？

Answer 1

类似的东西

df[['X1','X2']].gt(0.5).astype(str).sum(1).map({'FalseTrue':1,'TrueFalse':4,'FalseFalse':3,'TrueTrue':2})
Out[56]: 
0    1
1    4
2    3
3    4
dtype: int64

Answer 2

在回答你的最后一个问题时，我肯定认为pandas是一个很好的工具；这可以在numpy中完成，但熊猫在处理数据帧时可以说更直观，并且速度足够快，适用于大多数应用程序pandas和numpy也能很好地一起玩。例如，在您的示例中，可以使用numpy。选择以构建您的列：

import numpy as np
import pandas as pd
# Lay out your conditions
conditions =  [((df.X1 < 0.5) & (df.X2>=0.5)),
               ((df.X1>=0.5) & (df.X2>=0.5)),
               ((df.X1<0.5) & (df.X2<0.5)),
               ((df.X1>=0.5) & (df.X2<0.5))]

# Name the resulting groups (in the same order as the conditions)
choicelist = [1,2,3,4]

df['group']= np.select(conditions, choicelist, default=-1)

# Above, I've the default to -1, but change as you see fit
# if none of your conditions are met, then it that row would be classified as -1

>>> df
   Index   X1   X2  group
0      1  0.2  0.8      1
1      2  0.6  0.2      4
2      3  0.2  0.1      3
3      4  0.9  0.3      4