如何用Pandas将像素值分组并统计对应像素数量总和？

原始数据 #

Value    Count 
0.1457   900  
0.1458   1800
0.1459   900
0.2144   1800  
0.4357   2700
0.5764   900
0.7891   1800
0.7892   900
nan      0
nan      0

需求 #

将Value分为四类并统计对应结果（无数据类统计行数）：

• Low(<0.2) → 标识Lo，统计对应Count总和
• Mid(0.2-0.6) → 标识Mid，统计对应Count总和
• High(>0.6) → 标识Hi，统计对应Count总和
• No Data(nan) → 标识ND，统计无数据像素的行数

实现代码 #

import pandas as pd

# 构造示例DataFrame（实际使用时替换为你的数据源）
df = pd.DataFrame({
    'Value': [0.1457, 0.1458, 0.1459, 0.2144, 0.4357, 0.5764, 0.7891, 0.7892, pd.NA, pd.NA],
    'Count': [900, 1800, 900, 1800, 2700, 900, 1800, 900, 0, 0]
})

# 定义数值区间与对应类别标签
bins = [-float('inf'), 0.2, 0.6, float('inf')]
labels = ['Lo', 'Mid', 'Hi']

# 给非NaN值分配类别
df['Class'] = pd.cut(df['Value'], bins=bins, labels=labels)
# 标记NaN对应的类别为ND
df.loc[df['Value'].isna(), 'Class'] = 'ND'

# 分组统计：ND类统计行数，其他类对Count列求和
result = df.groupby('Class').agg(
    Count=('Count', lambda x: x.count() if x.name == 'ND' else x.sum())
).reset_index()

# 调整类别顺序匹配期望输出
result = result.set_index('Class').reindex(['Lo', 'Mid', 'Hi', 'ND']).reset_index()
print(result)

输出结果 #

Class  Count
0    Lo   3600
1   Mid   6300
2    Hi   2700
3    ND      2

核心逻辑说明 #

• pd.cut()：快速按设定的数值区间完成非NaN值的类别划分
• 分组聚合时通过lambda函数区分处理逻辑：NaN类统计行数（对应无数据像素的数量），其他类别对Count列求和
• reindex()：确保输出的类别顺序与预期一致

内容的提问来源于stack exchange，提问作者SHV_la