我有以下關于空氣質量的資料框（每一行都有在某一天測量的各種空氣指標的值）：
my_data = pd.DataFrame.from_dict({
'so2': [ 5.6, 4.6, 6.1, 10.7, 2.6],
'co': [ 9.1, 8.2, 9.1, 18.1, 3.7],
'o3': [2.9, 11.0, 4.1, 2.1, 18.7],
'pm25': [124.0, 114.0, 104.0, 190.0, 46.0],
'no2': [29.8, 22.4, 26.1, 41.6, 11.5]
})
我想將這些值轉換為類別 - 顏色（從綠色到紅色，4 個類別）。我有另一個資料框，其中包含每種顏色的間隔。
quality_standards_colours = pd.DataFrame.from_dict({
'Category': ['green', 'yellow',' orange', 'red'],
'so2_min': [0, 0.864, 1.824, 4.464],
'co_min': [0, 13.5, 28.5, 37.5],
'o3_min': [0, 0.165, 0.213, 0.258],
'pm25_min': [0, 12.1, 35.5, 55.5],
'no2_min': [0, 1.296, 2.424, 8.664]
})
我想獲得以下資料框：
my_categorized_data = pd.DataFrame.from_dict({
'so2': ['so2_red', 'so2_red', 'so2_red ', 'so2_red', 'so2_orange'],
'co': [ 'co_orange', 'co_red', 'co_green ', 'co_red', 'co_yellow'],
'o3': [.....],
'pm25': [....],
'no2': [.....]
})
目前我知道以下解決方案（我需要為每個變數應用它）：
bins_so2 = [0, 0.864, 1.824, 4.464, np.inf] #this is the column so2_min from quality_standards_colours
names = ['so2_green', 'so2_yellow','so2_orange', 'so2_red']
my_data['so2'] = pd.cut(my_data['so2'], bins, labels=names)
問題是這個解決方案很耗時——我必須為每個變數撰寫這些代碼行（我有很多）。我想寫回圈來加快這個程序。
uj5u.com熱心網友回復：
您可以使用merge_asof，它將根據鍵進行剪切：
# rename so you have the same keys
quality_standards_colours.columns = [x.split('_min')[0] for x in quality_standards_colours.columns]
out = pd.merge_asof(my_data.stack().reset_index(name='value').sort_values('value'),
quality_standards_colours.melt('Category').sort_values('value'),
on='value',left_by='level_1', right_by='variable'
).pivot('level_0', 'level_1', 'Category')
輸出：
level_1 co no2 o3 pm25 so2
level_0
0 green red red red red
1 green red red red red
2 green red red red red
3 yellow red red red red
4 green red red orange orange
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/492613.html