pandas中如何基于某列的任意区间对另一列分组求和?
可直接复用的实现逻辑
import numpy as np import pandas as pd # 仅需修改该参数即可适配任意区间粒度 interval = 0.1 source = pd.DataFrame([ [0.99, 0.98, 0.93, 0.81, 0.85, 0.71, 0.7, 0.69, 0.68, 0.66], [100, 12, 312, 23, 2, 12, 32, 21, 21, 21] ]).T # 计算分箱编码,加1e-10偏移规避浮点精度导致的边界分箱错误 bin_idx = np.floor((source[0] + 1e-10) / interval).astype(int) # 仅对需要聚合的第1列做分组求和 agg = source.groupby(bin_idx)[1].sum() # 还原区间代表值,组装成目标格式 desired_result = pd.DataFrame({ 0: agg.index * interval, 1: agg.values }).reset_index(drop=True)
核心特性
- 全参数化适配:所有分箱逻辑绑定
interval参数,修改为0.05、0.2等任意值时不需要改动其他代码 - 规避浮点精度坑:如果不加入微小偏移量,类似0.9这类边界值可能因浮点数存储误差(实际存储为0.899999999999)被错误分到前一个区间
- 避免无效聚合:分组时仅指定需要求和的第1列,不会把临时生成的分箱编码列纳入求和范围,彻底解决原方案中全列sum导致的无意义编码和问题
- 性能最优:没有额外给DataFrame添加临时分箱列,直接利用分组索引做聚合,大数据量下性能和原生groupby一致
- 结构完全匹配:最终输出的两列结构和目标格式完全对齐,第一列为区间左端点代表值,第二列为对应列的求和结果
结果校验
当interval=0.1时,输出结果和示例的desired_result完全匹配:
- 区间
[0.9, 1.0):对应值0.99、0.98、0.93,求和100+12+312=424 - 区间
[0.8, 0.9):对应值0.81、0.85,求和23+2=25 - 区间
[0.7, 0.8):对应值0.71、0.7,求和12+32=44 - 区间
[0.6, 0.7):对应值0.69、0.68、0.66,求和21+21+21=63
内容的提问来源于stack exchange,提问作者Newskooler
相关产品推荐
相关产品推荐

