如何在Pandas的value_counts中设置容差实现分组统计？

现有如下数据集，使用Pandas的value_counts()方法统计时会得到精确值的计数结果：

import pandas as pd

df = pd.DataFrame(
    [5.01, 5.01, 5.08, 6.1, 5.54, 6.3, 5.56, 5.55, 6.7],
    columns=['val']
)

执行df.val.value_counts()后会得到每个精确值的出现次数，但希望设置±0.01的容差，将5.54、5.55、5.56这类相近数值归为一组统计，期望输出类似：

[5.54,5.56,5.55] 3
[5.01] 2
[5.08] 1
[6.10] 1
...

方法一：基于层次聚类分组 #

可以用scipy的层次聚类，将差值≤0.02的数值归为同一组（因为±0.01的容差意味着组内任意两个数的最大差值为0.02）：

import pandas as pd
from scipy.cluster.hierarchy import linkage, fcluster

df = pd.DataFrame(
    [5.01, 5.01, 5.08, 6.1, 5.54, 6.3, 5.56, 5.55, 6.7],
    columns=['val']
)

# 生成聚类链接矩阵，采用单链接（最小距离）方法
Z = linkage(df[['val']], method='single', metric='euclidean')
# 设置距离阈值为0.02，划分聚类
df['cluster'] = fcluster(Z, t=0.02, criterion='distance')

# 按聚类分组，收集每组的唯一值并统计总数量
result = df.groupby('cluster')['val'].agg(
    values=lambda x: list(x.unique()),
    count='size'
)

# 输出指定格式的结果
for _, row in result.iterrows():
    print(f"{row['values']} {row['count']}")

运行后输出：

[5.01] 2
[5.08] 1
[5.54, 5.56, 5.55] 3
[6.1] 1
[6.3] 1
[6.7] 1

方法二：手动遍历分组 #

如果不想依赖第三方库，可以手动遍历去重后的数值，将符合容差范围的数值归为一组：

import pandas as pd

df = pd.DataFrame(
    [5.01, 5.01, 5.08, 6.1, 5.54, 6.3, 5.56, 5.55, 6.7],
    columns=['val']
)

# 对唯一值进行排序
unique_vals = sorted(df['val'].unique())
groups = []
current_group = [unique_vals[0]]

for val in unique_vals[1:]:
    # 判断当前值与组内最小值的差值是否≤0.02（对应±0.01的容差）
    if val - current_group[0] <= 0.02:
        current_group.append(val)
    else:
        groups.append(current_group)
        current_group = [val]
groups.append(current_group)

# 统计每组的总出现次数并输出
for group in groups:
    count = df[df['val'].isin(group)].shape[0]
    print(f"{group} {count}")

输出结果与方法一完全一致。

内容的提问来源于stack exchange，提问作者Sun Jar