генерировать «категории-интервалы» из категорий

Question

Я хочу генерировать «интервалы категорий» из категорий. к примеру, предположим, что у меня есть следующие:

>>> df['start'].describe() 
count 259431.000000 
mean   10.435858 
std   5.504730 
min   0.000000 
25%   6.000000 
50%   11.000000 
75%   15.000000 
max   20.000000 
Name: start, dtype: float64 

и уникальное значение в моей колонке:

array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 
     17, 18, 19, 20], dtype=int8) 

, но я хочу использовать следующий список интервалов:

>>> intervals 
[[0, 2.2222222222222223], 
[2.2222222222222223, 4.4444444444444446], 
[4.4444444444444446, 6.666666666666667], 
[6.666666666666667, 8.8888888888888893], 
[8.8888888888888893, 11.111111111111111], 
[11.111111111111111, 13.333333333333332], 
[13.333333333333332, 15.555555555555554], 
[15.555555555555554, 17.777777777777775], 
[17.777777777777775, 20]] 

изменить мой столбец «start» на значения x, где x представляет индекс интервала, который содержит df['start'] (так x в моем случае будет варьироваться от 0 до 8)

Есть ли более или менее простой способ сделать это, используя pandas/numpy?

Заранее благодарим за помощь.

С уважением.

Answer 1

Вы можете использовать np.digitize:

import numpy as np 
import pandas as pd 

df = pd.DataFrame(dict(start=np.random.random_integers(0, 20, 10000))) 

# the left-hand edges of each "interval" 
intervals = np.linspace(0, 20, 9, endpoint=False) 
print(intervals) 
# [ 0.   2.22222222 4.44444444 6.66666667 8.88888889 
# 11.11111111 13.33333333 15.55555556 17.77777778]  

df['start_idx'] = np.digitize(df['start'], intervals) - 1 

print(df.head()) 
# start start_idx 
# 0  8   3 
# 1  16   7 
# 2  0   0 
# 3  7   3 
# 4  0   0