Python数据处理，用pandas解决分段匹配，简单到没朋友

21321312

转发本文并私信我"python"，即可获得Python资料以及更多系列文章(持续更新的)

经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas

前言

本系列已经有一篇文章介绍 pandas 中实现 Excel 的 vlookup 函数的方式，但是 vlookup 中还有一个"模糊匹配"的功能，主要用于分段匹配，今天就来看看 pandas 中是如何做到同等效果。

案例1

今天，你接到一份紧急的临时需求，数据表格如下：

200百万行的记录需要按照 分数 列，按规则计算出 评级

规则表如下：

这是特意为 Vlookup 而设计的规则表

若按 pandas 来设计规则表，那么 Vlookup 的解决方式就会很麻烦。

怎么办？数据多到 Excel 也打不开，管你是 Vlookup 还是 Xlookup 也没用。

多功能的 Vlookup

由于这次数据太多，用 Excel 已经不能打开此文件，因此我用少量数据简单演示一下如何用 Vlookup 解决此问题：

其实就是最后一个参数输入 1(True)，即可很重要一点，规则表的 值 列，记得要排好序，否则结果错乱你也不知道

pandas 中的分段匹配

这种需求在数据处理一般称为"分箱"，pandas 中使用 cut 方法做到：

我们从 csv 读取数据，从 Excel 中读取规则表注意这是 pandas 的顶层方法，因此是 pd.cut()第1参数传入判断数据列第2参数传入规则表的 值 ，但是 cut 方法必需给定所有区间的边界。像本例子的规则表，没有高于120分的结束边界，我们需要添加一个很大的值作为结束边界参数 right，设置为 False ，只是为了与 vlookup 效果一致而已，表示："右区间边界开放"，比如：120分，被划分到 A+ 评级参数 labels，就是返回的结果

可以看到 pandas 可以轻松从任意数据源中读取数据，本例中即使你的数据源在各种数据库也是没问题 注意，bins 没有升序排序时，会报错。这是非常好的设计

看文字很难理解，看看这个示意图，应该清晰很多：

案例2：自动划分

在实际分析工作中，你可能一开始并不清楚到底规则表的各个节点怎么定义才合理。

比如你现在希望划分3个段，但你不知道各个段之间的边界怎么定义才合理。那么可以这样子调用 cut 方法：

cut 方法的第2参数，我们指定3，表示划分3段不指定参数 labels，这可以看到划分的区间。

你也可以指定 labels：

最后的划分结果尽可能每个区间数量平衡，来看看各区间的数量：

总结

pd.cut() ，对数据做分箱处理参数 bins 可以指定自己的规则表，也可以直接指定划分段数目指定划分段数目时，会自动定义各个划分区间当指定的 bins 规则表没有升序排序时，会报错

需要源码的小伙伴请转发本文并私信我"python"

如果希望从零开始学习 pandas ，那么可以看看我的 pandas 专栏。


本文版权归原作者外星人玩Python所有，如有侵权请联系管理员删除，原文地址：https://www.toutiao.com/a6732668624554689027/

lkamxmk

不懂Python,听说是很牛B的语言