Pandas如何将mean_v列排名分为0-2三类生成rank_0-2新列

解决方案 #

你可以根据实际分类逻辑选择以下两种实现方式：

方案1：基于dense排名截断（排名最高的为0，次高为1，其余所有为2） #

在你原有代码的基础上调整即可，先把排名起始值从1转为0，再截断最大值为2：

# 原有dense排名逻辑不变，减1把起始值从1调整为0，再用clip限制最大值为2
df['rank_0-2'] = df.mean_v.rank(method='dense', ascending=False).astype(int) - 1
df['rank_0-2'] = df['rank_0-2'].clip(upper=2)

对应你的示例数据运行结果如下：

方案2：按分位数三等分（数值前1/3为0，中间1/3为1，后1/3为2） #

如果需要把所有数据按数值大小平均分为三类，使用分箱方法实现：

# qcut按分位数拆为3组，降序排列下数值越大分类值越小
df['rank_0-2'] = pd.qcut(df['mean_v'], q=3, labels=[2,1,0]).astype(int)

内容的提问来源于stack exchange，提问作者AmberBahia