過濾出np.percentile中的零

Question

我正在嘗試將DataFrame的列score分段。

我使用下面的代碼：

np.percentile(df['score'], np.arange(0, 100, 10)) 

我的問題是在score，有很多零。我怎樣才能過濾出這些0值並且只剩下其餘的值呢？

Answer 1

與布爾索引篩選它們：

df.loc[df['score']!=0, 'score'] 

或

df['score'][lambda x: x!=0] 

並傳遞到百分功能。

np.percentile(df['score'][lambda x: x!=0], np.arange(0,100,10)) 

Answer 2

你可以簡單地掩蓋零，然後從列刪除它們使用boolean indexing：

score = df['score'] 
score_no_zero = score[score != 0] 
np.percentile(score_no_zero, np.arange(0,100,10)) 

或一步到位：

np.percentile(df['score'][df['score'] != 0], np.arange(0,100,10)) 

Answer 3

考慮數據框df

df = pd.DataFrame(
    dict(score=np.random.rand(20)) 
).where(
    np.random.choice([True, False], (20, 1), p=(.8, .2)), 
    0 
) 

     score 
0 0.380777 
1 0.559356 
2 0.103099 
3 0.800843 
4 0.262055 
5 0.389330 
6 0.477872 
7 0.393937 
8 0.189949 
9 0.571908 
10 0.133402 
11 0.033404 
12 0.650236 
13 0.593495 
14 0.000000 
15 0.013058 
16 0.334851 
17 0.000000 
18 0.999757 
19 0.000000 

使用pd.qcut以等分

pd.qcut(df.loc[df.score != 0, 'score'], 10, range(10)) 

0  4 
1  6 
2  1 
3  9 
4  3 
5  4 
6  6 
7  5 
8  2 
9  7 
10 1 
11 0 
12 8 
13 8 
15 0 
16 3 
18 9 
Name: score, dtype: category 
Categories (10, int64): [0 < 1 < 2 < 3 ... 6 < 7 < 8 < 9] 

或一起

df.assign(decile=pd.qcut(df.loc[df.score != 0, 'score'], 10, range(10))) 

     score decile 
0 0.380777 4.0 
1 0.559356 6.0 
2 0.103099 1.0 
3 0.800843 9.0 
4 0.262055 3.0 
5 0.389330 4.0 
6 0.477872 6.0 
7 0.393937 5.0 
8 0.189949 2.0 
9 0.571908 7.0 
10 0.133402 1.0 
11 0.033404 0.0 
12 0.650236 8.0 
13 0.593495 8.0 
14 0.000000 NaN 
15 0.013058 0.0 
16 0.334851 3.0 
17 0.000000 NaN 
18 0.999757 9.0 
19 0.000000 NaN