基于指定Pandas DataFrame计算频率并关联行后按最大频率归一化

嘿，我来一步步帮你搞定这个任务！首先咱们得明确操作逻辑：你的DataFrame里是连续的随机数值，直接算单个值的频率没太大实际意义，所以咱们先把数据分箱，计算每个分箱的出现频率，再把频率关联到对应行，最后做归一化处理。

步骤1：导入库并创建目标DataFrame #

先把需要的库导入，再生成你指定的DataFrame：

import pandas as pd
import numpy as np

# 创建你需要的DataFrame
df = pd.DataFrame({'A': np.random.random(20), 'B': np.random.random(20)})

步骤2：对数据分箱（以列A为例，列B同理） #

咱们用分位数分箱（pd.qcut）把数据分成5个等数量的区间，这样每个区间的样本数更均匀；如果你想要等距分箱，可以换成pd.cut：

# 对A列分箱，分成5个区间，保留区间标签
df['A_bin'] = pd.qcut(df['A'], q=5, duplicates='drop')
# 对B列执行同样的分箱操作
df['B_bin'] = pd.qcut(df['B'], q=5, duplicates='drop')

步骤3：计算分箱频率并关联到对应行 #

先算出每个分箱的频率（该分箱样本数占总样本数的比例），再用map把频率映射回原DataFrame的每一行：

# 计算A列各分箱的频率，转成字典方便映射
a_freq_dict = df['A_bin'].value_counts(normalize=True).to_dict()
# 把频率关联到每一行
df['A_freq'] = df['A_bin'].map(a_freq_dict)

# 对B列重复上述操作
b_freq_dict = df['B_bin'].value_counts(normalize=True).to_dict()
df['B_freq'] = df['B_bin'].map(b_freq_dict)

如果你想先算计数再转频率，可以去掉normalize=True，然后除以总样本数：df['A_bin'].value_counts() / len(df)。

步骤4：按最大频率做归一化 #

归一化就是把每个频率值除以该列的最大频率，这样归一化后的最大值为1，其他值按比例缩放：

# 对A列的频率做归一化
df['A_freq_normalized'] = df['A_freq'] / df['A_freq'].max()

# 对B列的频率做归一化
df['B_freq_normalized'] = df['B_freq'] / df['B_freq'].max()

最终效果示例 #

处理后的DataFrame大概长这样（因为是随机数据，具体数值会有差异）：

A         B               A_bin               B_bin  A_freq  B_freq  A_freq_normalized  B_freq_normalized
0   0.888651  0.380360  (0.61454, 0.888651]  (0.279264, 0.534569]     0.2     0.2                1.0                1.0
1   0.513343  0.605991  (0.4653, 0.61454]    (0.534569, 0.725061]     0.2     0.2                1.0                1.0
2   0.560978  0.076174  (0.4653, 0.61454]    (0.014512, 0.228761]    0.2     0.2                1.0                1.0
...

要是你真的想计算单个原始数值的频率（而非分箱），直接去掉分箱步骤，对原始列做value_counts就行，但因为是随机浮点数，大概率每个值都是唯一的，频率都是1/20=0.05，归一化后全是1，这样其实没什么实用价值，所以分箱的方式更合理哦。

内容的提问来源于stack exchange，提问作者Eran Moshe