基于OBIS与Value列自动生成自定义分类数的Classification列函数需求

需求背景 #

现有Pandas DataFrame df，需基于OBIS编号与Value列生成Classification列。当前通过手动编写条件列表与对应值的方式实现，每次调整分类数量（如示例中的5类，最多支持10类）时，需重新计算各OBIS分组下的分位数阈值，操作繁琐。现有12个OBIS编号，希望实现一个可自定义分类数的函数，自动按OBIS分组完成等距分箱分类，替代现有重复代码。

原手动实现代码：

import numpy as np
import pandas as pd

# 原手动条件与值列表
conditions = [
    (df['OBIS'] == '1.8.0') & (df['Value'] < 39469.79),
    (df['OBIS'] == '1.8.0') & (df['Value'] >= 39469.79) & (df['Value'] < 78939.58),
    (df['OBIS'] == '1.8.0') & (df['Value'] >= 78939.58) & (df['Value'] < 118409.37),
    (df['OBIS'] == '1.8.0') & (df['Value'] >= 118409.37) & (df['Value'] < 157879.16),
    (df['OBIS'] == '1.8.0') & (df['Value'] >= 157879.16),
    (df['OBIS'] == '1.9.0') & (df['Value'] < 1.41),
    (df['OBIS'] == '1.9.0') & (df['Value'] >= 1.41) & (df['Value'] < 2.82),
    (df['OBIS'] == '1.9.0') & (df['Value'] >= 2.82) & (df['Value'] < 4.22),
    (df['OBIS'] == '1.9.0') & (df['Value'] >= 4.22) & (df['Value'] < 5.63),
    (df['OBIS'] == '1.9.0') & (df['Value'] >= 5.63),
    (df['OBIS'] == '2.8.0') & (df['Value'] < 0.008),
    (df['OBIS'] == '2.8.0') & (df['Value'] >= 0.008) & (df['Value'] < 0.016),
    (df['OBIS'] == '2.8.0') & (df['Value'] >= 0.016) & (df['Value'] < 0.024),
    (df['OBIS'] == '2.8.0') & (df['Value'] >= 0.024) & (df['Value'] < 0.032),
    (df['OBIS'] == '2.8.0') & (df['Value'] >= 0.032)
]

values = [0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4]

df["Classification"] = np.select(conditions, values)

解决方案 #

利用Pandas的groupby+cut函数实现分组等距分箱，无需手动计算阈值，分类数可灵活调整：

自定义函数实现 #

import pandas as pd

def add_grouped_equal_width_class(df, obis_col='OBIS', value_col='Value', class_num=5, new_col='Classification'):
    """
    按OBIS分组，对Value列做等距分箱，生成Classification列
    参数:
        df: 目标DataFrame
        obis_col: OBIS编号列名，默认'OBIS'
        value_col: 用于分箱的数值列名，默认'Value'
        class_num: 分类数量，默认5
        new_col: 生成的分类列名，默认'Classification'
    返回:
        添加了分类列的DataFrame
    """
    # 按OBIS分组，对每个组的Value列应用等距分箱
    df[new_col] = df.groupby(obis_col)[value_col].transform(
        lambda x: pd.cut(x, bins=class_num, labels=False, include_lowest=True)
    )
    return df

使用示例 #

# 生成分类列，设置分类数为5
df = add_grouped_equal_width_class(df, class_num=5)

# 如果需要调整分类数，直接修改参数即可，比如改为3类
df = add_grouped_equal_width_class(df, class_num=3)

说明 #

• pd.cut的bins=class_num指定等距分箱的数量，自动计算每个OBIS分组的阈值
• labels=False返回箱的索引（从0开始），与原手动实现的分类编号逻辑一致
• include_lowest=True确保最小值被包含在第一个分箱中，避免边界值遗漏
• 支持任意数量的OBIS分组，无需修改函数逻辑

内容的提问来源于stack exchange，提问作者Assetto