按分位数排列Pandas

6ss1mwsb 于 2023-10-14 发布在其他

关注(0)|答案(2)|浏览(90)

我有一个Pandas框架，其中每一列代表一个单独的属性，每行保存属性在特定日期的值：

import pandas as pd

dfstr = \
'''         AC        BO         C       CCM        CL       CRD        CT        DA        GC        GF
2010-01-19  0.844135 -0.194530 -0.231046  0.245615 -0.581238 -0.593562  0.057288  0.655903  0.823997  0.221920
2010-01-20 -0.204845 -0.225876  0.835611 -0.594950 -0.607364  0.042603  0.639168  0.816524  0.210653  0.237833
2010-01-21  0.824852 -0.216449 -0.220136  0.234343 -0.611756 -0.624060  0.028295  0.622516  0.811741  0.201083'''
df = pd.read_csv(pd.compat.StringIO(dfstr), sep='\s+')

使用rank方法，我可以找到每个属性相对于特定日期的百分比排名：

df.rank(axis=1, pct=True)

输出量：

AC   BO    C  CCM   CL  CRD   CT   DA   GC   GF
2010-01-19  1.0  0.4  0.3  0.7  0.2  0.1  0.5  0.8  0.9  0.6
2010-01-20  0.4  0.3  1.0  0.2  0.1  0.5  0.8  0.9  0.6  0.7
2010-01-21  1.0  0.4  0.3  0.7  0.2  0.1  0.5  0.8  0.9  0.6

我想得到的是每个属性的分位数（如四分位数，五分位数，十分位数等）排名。例如，对于quintile rank，我想要的输出是：

AC   BO    C  CCM   CL  CRD   CT   DA   GC   GF
2010-01-19   5    2     2  4     1   1     3    4    5    3
2010-01-20   2    2     5  1     1   3     4    5    3    4
2010-01-21   5    2     2  4     1   1     3    4    5    3

我可能错过了一些东西，但似乎没有一个内置的方式来做这种分位数排名与Pandas。获得所需输出的最简单方法是什么？

pandas

来源：https://stackoverflow.com/questions/56332572/rank-pandas-dataframe-by-quantile

2条答案

按热度按时间

dxxyhpgq1#

方法1 `mul` & `np.ceil`

你的军衔很接近。只需乘以5与.mul得到所需的分位数，也四舍五入与np.ceil：

np.ceil(df.rank(axis=1, pct=True).mul(5))

Output

AC   BO    C  CCM   CL  CRD   CT   DA   GC   GF
2010-01-19  5.0  2.0  2.0  4.0  1.0  1.0  3.0  4.0  5.0  3.0
2010-01-20  2.0  2.0  5.0  1.0  1.0  3.0  4.0  5.0  3.0  4.0
2010-01-21  5.0  2.0  2.0  4.0  1.0  1.0  3.0  4.0  5.0  3.0

如果你想要整数，使用astype：

np.ceil(df.rank(axis=1, pct=True).mul(5)).astype(int)

或者更好从pandas版本 0.24.0 开始，我们有nullable integer类型：Int64。

所以我们可以使用：用途：

np.ceil(df.rank(axis=1, pct=True).mul(5)).astype('Int64')

Output

AC  BO  C  CCM  CL  CRD  CT  DA  GC  GF
2010-01-19   5   2  2    4   1    1   3   4   5   3
2010-01-20   2   2  5    1   1    3   4   5   3   4
2010-01-21   5   2  2    4   1    1   3   4   5   3

方法二`scipy.stats.percentileofscore`

d = df.apply(lambda x: [np.ceil(stats.percentileofscore(x, a, 'rank')*0.05) for a in x], axis=1).values

pd.DataFrame(data=np.concatenate(d).reshape(d.shape[0], len(d[0])), 
             columns=df.columns, 
             dtype='int', 
             index=df.index)

Output

AC  BO  C  CCM  CL  CRD  CT  DA  GC  GF
2010-01-19   5   2  2    4   1    1   3   4   5   3
2010-01-20   2   2  5    1   1    3   4   5   3   4
2010-01-21   5   2  2    4   1    1   3   4   5   3

赞(0）回复(0）举报 2023-10-14

olmpazwi2#

您现在可以使用pd.qcut

df.apply(lambda x: pd.qcut(x, 5, labels=False)+1, axis=1)

已完成的测试用例代码

import pandas as pd
from io import StringIO

dfstr = \
'''         AC        BO         C       CCM        CL       CRD        CT        DA        GC        GF
2010-01-19  0.844135 -0.194530 -0.231046  0.245615 -0.581238 -0.593562  0.057288  0.655903  0.823997  0.221920
2010-01-20 -0.204845 -0.225876  0.835611 -0.594950 -0.607364  0.042603  0.639168  0.816524  0.210653  0.237833
2010-01-21  0.824852 -0.216449 -0.220136  0.234343 -0.611756 -0.624060  0.028295  0.622516  0.811741  0.201083'''

df = pd.read_csv(StringIO(dfstr), sep='\s+')

print('input:','\n',df)

输入

AC        BO         C       CCM        CL       CRD   
2010-01-19  0.844135 -0.194530 -0.231046  0.245615 -0.581238 -0.593562  \
2010-01-20 -0.204845 -0.225876  0.835611 -0.594950 -0.607364  0.042603   
2010-01-21  0.824852 -0.216449 -0.220136  0.234343 -0.611756 -0.624060   

                  CT        DA        GC        GF  
2010-01-19  0.057288  0.655903  0.823997  0.221920  
2010-01-20  0.639168  0.816524  0.210653  0.237833  
2010-01-21  0.028295  0.622516  0.811741  0.201083

df_out = df.apply(lambda x: pd.qcut(x, 5, labels=False)+1, axis=1)

print('\n','output:','\n', df_out)

输出

AC  BO  C  CCM  CL  CRD  CT  DA  GC  GF
2010-01-19   5   2  2    4   1    1   3   4   5   3
2010-01-20   2   2  5    1   1    3   4   5   3   4
2010-01-21   5   2  2    4   1    1   3   4   5   3

赞(0）回复(0）举报 2023-10-14

我来回答

按分位数排列Pandas

2条答案

方法1 `mul` & `np.ceil`

方法二`scipy.stats.percentileofscore`

相关问题

热门标签

最新问答

按分位数排列Pandas

2条答案

方法1 mul & np.ceil

方法二scipy.stats.percentileofscore

相关问题

热门标签

最新问答

方法1 `mul` & `np.ceil`

方法二`scipy.stats.percentileofscore`