Início / coding / Perguntas / 79192792
Accepted
Karthik S
Asked: 2024-11-15 22:26:58 +0800 CST

Como atribuir pontuações a cada valor nas colunas do Pandas com base no intervalo de percentil, obtendo o erro `O valor verdadeiro de uma série é ambíguo.`

  • 772

Preciso atribuir pontuações a cada um dos valores em muitas colunas de um dataframe do pandas, dependendo do intervalo de pontuação percentual entre cada valor.

Criei uma função:

import pandas as pd
import numpy as np

def get_percentiles(x, percentile_array):
    percentile_array = np.sort(np.array(percentile_array))
    if x < x.quantile(percentile_array[0]) < 0:
        return 1
    elif (x >= x.quantile(percentile_array[0]) & (x < x.quantile(percentile_array[1]):
        return 2
    elif (x >= x.quantile(percentile_array[1]) & (x < x.quantile(percentile_array[2]):
        return 3
    elif (x >= x.quantile(percentile_array[2]) & (x < x.quantile(percentile_array[3]):
        return 4
    else:
        return 5

Dados de amostra:

df = pd.DataFrame({'col1' : [1,10,5,9,15,4],
                   'col2' : [4,10,15,19,3,2],
                   'col3' : [10,5,6,9,1,24]})

Quando tento executar a função usando apply:

percentile_array = [0.05, 0.25, 0.5, 0.75]

df.apply(lambda x : get_percentiles(x, percentile_array), result_type = 'expand')

Recebo o erro abaixo:

Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()

A saída esperada é um novo dataframe com 3 colunas que tem pontuações entre 1 e 5 dependendo de qual intervalo de percentil cada valor em cada coluna se enquadra

python

1 respostas

  1. Best Answer

    Se bem me lembro, você poderia usar rankpara calcular o percentil (por coluna) e então pandas.cutagrupar os valores em sua referência:

    percentile_array = [0.05, 0.25, 0.5, 0.75]
bins = [-np.inf]+percentile_array+[np.inf]
labels = [1, 2, 3, 4, 5]

out = (df.rank(pct=True)
         .apply(lambda c: pd.cut(c, bins=bins, labels=labels))
      )

    Alternativamente, com numpy.searchsorted:

    percentile_array = [0.05, 0.25, 0.5, 0.75]
bins = [-np.inf]+percentile_array+[np.inf]

out = pd.DataFrame(np.searchsorted(bins, df.rank(pct=True)),
                   columns=df.columns, index=df.index)

    Saída:

      col1 col2 col3
0    2    3    5
1    5    4    3
2    3    5    3
3    4    5    4
4    5    3    2
5    3    2    5

    Intermediário:

    df.rank(pct=True)

       col1      col2      col3
0  0.166667  0.500000  0.833333
1  0.833333  0.666667  0.333333
2  0.500000  0.833333  0.500000
3  0.666667  1.000000  0.666667
4  1.000000  0.333333  0.166667
5  0.333333  0.166667  1.000000

    Para que a função original funcionasse, você precisaria de algo como:

    def get_percentiles(x, percentile_array):
    percentile_array = np.sort(np.array(percentile_array))
    m1 = x < x.quantile(percentile_array[0])
    m2 = (x >= x.quantile(percentile_array[0])) & (x < x.quantile(percentile_array[1]))
    m3 = (x >= x.quantile(percentile_array[1])) & (x < x.quantile(percentile_array[2]))
    m4 = (x >= x.quantile(percentile_array[2])) & (x < x.quantile(percentile_array[3]))

    return np.select([m1, m2, m3, m4], [1, 2, 3, 4], 5)
    • 1

relate perguntas