蟒蛇大熊貓據幀只爲閾值

Question

在Python大熊貓據幀「DF」數據創建箱，我有以下三列：

song_id | user_id | play_count 

play_count =用戶多少次聽過一首歌

我想根據播放次數向此表中添加一列「評級」。 例如，如果play_count = 2，則評分將低至「1」。

首先，我需要建立我的1-10評級系統的評級門檻。

df.play_count.describe() 
count 393727.000000 
mean   2.567627 
std   4.822111 
min   1.000000 
25%   1.000000 
50%   1.000000 
75%   2.000000 
max   771.000000 
Name: play_count, dtype: float64 

大多數play_counts的是1和200之間：我想創建10桶，與上次鬥是，如果play_count高於200，這首歌有一個等級

pd.value_counts(pd.cut(df.play_count, bins = 10)) 
(0.23, 78] 393576 
(78, 155]  129 
(155, 232]  13 
(232, 309]   6 
(309, 386]   2 
(694, 771]   1 
(617, 694]   0 
(540, 617]   0 
(463, 540]   0 
(386, 463]   0 
dtype: int64 

「10」。所以我需要建立其他9個桶的閾值。

不幸的是，這並不工作：

pd.value_counts(pd.cut(df[['play_count'] < 200]], bins = 9)) 
f = df[df['play_count'] < 200].hist() 

Answer 1

# get threshholds for first 9 bins 
_, bins = pd.cut(df[df.play_count < 200].play_count, bins=9,retbins=True) 

# append threshhold representing class with play_counts > 200 
new_bins = pd.np.append(bins,float(max(df.play_count))) 

# our categorized data 
out = pd.cut(df.play_count,bins=new_bins) 

# a histogram of the data with the updated bins 
df.play_count.hist(bins=new_bins)