Допустим, я создаю некоторые данные, а затем создаю ячейки разных размеров:
from __future__ import division
x = np.random.rand(1,20)
new, = np.digitize(x,np.arange(1,x.shape[1]+1)/100)
new_series = pd.Series(new)
print(new_series.value_counts())
показывает:
20 17
16 1
4 1
2 1
dtype: int64
В основном я хочу преобразовать базовые данные, если я установлю минимальный порог не менее 2 на бин, так что new_series.value_counts() будет следующим:
20 17
16 3
dtype: int64
ОТРЕДАКТИРОВАНО:
x = np.random.rand(1,100)
bins = np.arange(1,x.shape[1]+1)/100
new = np.digitize(x,bins)
n = new.copy()[0] # this will hold the the result
threshold = 2
for i in np.unique(n):
if sum(n == i) <= threshold:
n[n == i] += 1
n.clip(0, bins.size) # avoid adding beyond the last bin
n = n.reshape(1,-1)
Это может несколько раз увеличить счет, пока ячейка не будет заполнена достаточно.
Вместо использования np.digitize может быть проще использовать np.histogram, потому что он напрямую даст вам подсчеты, так что нам не нужно sum самим.
groupbyсfilter:df.groupby('some_col').filter(lambda x: len(x) < threshold)- person EdChum schedule 26.07.2016x— это ваши данные, аnew— ваши ячейки, они не перекрываются,x— это массив десятичных знаков, аnew— это массив целых чисел. Является лиnewразмером корзины? Так где же стартовые границы? - person tmthydvnprt schedule 26.07.2016