Python生成特定长度的唯一范围并对它们进行分类

我有一个数据框列，它指定用户执行某项活动的次数。 例如。

>>> df['ActivityCount']
Users     ActivityCount
User0     220
User1     190
User2     105
User3     109
User4     271
User5     265
     ...
User95     64
User96     15
User97    168
User98    251
User99    278
Name: ActivityCount, Length: 100, dtype: int32


>>> activities = sorted(df['ActivityCount'].unique())
[9, 15, 16, 17, 20, 23, 25, 26, 28, 31, 33, 34, 36, 38, 39, 43, 49, 57, 59, 64, 65, 71, 76, 77, 78,
83, 88, 94, 95, 100, 105, 109, 110, 111, 115, 116, 117, 120, 132, 137, 138, 139, 140, 141, 144, 145, 148, 153, 155, 157, 162, 168, 177, 180, 182, 186, 190, 192, 194, 197, 203, 212, 213, 220, 223, 231, 232, 238, 240, 244, 247, 251, 255, 258, 260, 265, 268, 269, 271, 272, 276, 278, 282, 283, 285, 290]

根据他们的 ActivityCount，我必须将用户分为 5 个不同的类别，例如A, B, C, D and E。 活动计数范围随时间变化。在上面的例子中，它大约介于两者之间(9-290)（系列中的最低和最高），可能是(5-500) or (5 to 30)。 在上面的示例中，我可以将最大活动数除以 5，并将每个用户分类在 58 的范围内(from 290/5) like Range A: 0-58, Range B: 59-116, Range C: 117-174...etc

有没有其他方法可以使用 pandas 或 numpy 来实现此目的，以便我可以直接对给定类别中的列进行分类？ 预期输出：-

>>> df
Users     ActivityCount  Category/Range 
User0     220             D
User1     190             D
User2     105             B 
User3     109             B
User4     271             E  
User5     265             E
     ...
User95     64             B
User96     15             A
User97    168             C
User98    251             E
User99    278             E

自然的方法是将数据分成 5 个数量，然后根据这些数量将数据分成箱。幸运的是，pandas 可以让你轻松做到这一点：

df["category"] = pd.cut(df.Activity, 5, labels= ["a","b", "c", "d", "e"])

输出类似于：

    Activity Category
34       115        b
15        43        a
57       192        d
78       271        e
26        88        b
6         25        a
55       186        d
63       220        d
1         15        a
76       268        e

另一种观点——聚类

在上面的方法中，我们将数据分为 5 个 bin，其中不同 bin 的大小相等。另一种更复杂的方法是将数据分为 5 个簇，并旨在使每个簇中的数据点尽可能彼此相似。在机器学习中，这称为聚类/分类问题。

一种经典的聚类算法是k-means https://en.wikipedia.org/wiki/K-means_clustering。它通常用于具有多个维度的数据（例如每月活动、年龄、性别等）。因此，这是一个非常简单的聚类案例。

在这种情况下，k-means聚类可以通过以下方式完成：

import scipy
from scipy.cluster.vq import vq, kmeans, whiten

df = pd.DataFrame({"Activity": l})

features = np.array([[x] for x in df.Activity])
whitened = whiten(features)
codebook, distortion = kmeans(whitened, 5) 
code, dist = vq(whitened, codebook)

df["Category"] = code

输出如下：

    Activity  Category
40       138         1
79       272         0
72       255         0
13        38         3
41       139         1
65       231         0
26        88         2
59       197         4
76       268         0
45       145         1

一些注意事项：

• 类别的标签是随机的。在这种情况下，标签“2”指的是比标签“1”更高的活性。
• 我没有将标签从 0-4 迁移到 A-E。这可以使用 pandas 轻松完成map.