我有一些数据框，想将其中相对较近的值分组。

我尝试使用百分位数，但通常一个组中的值之间存在巨大差异。例如，列中有 1000 个值，如下所示

Values
1
1
2
2
3
3
4
5
...
200
...
30000
...
500000

当数据的百分位数 80 为 200，但百分位数 90 为 10000 时，就会出现问题

我尝试使用diff gt cumsum按静态值对它们进行分组，但当 90％ 的值非常接近但剩下的 10％ 的值大得多且分散时，结果并不总是对所有数据集都很好。

编辑：创建了一个小样本，百分位数就是这样的。

Percentile   Value
    0.10      4.00
    0.20     10.00
    0.30     34.00
    0.40     57.60
    0.50     91.00
    0.60    106.00
    0.70    158.80
    0.80    205.60
    0.90   9114.00

如果我将其分成 10 组，那么第 9 组和第 10 组将包含具有超过可接受差异的值。

这就是使用的样子 .diff().gt(100).cumsum()

values  groups
2       0
2       0
2       0
2       0
2       0
2       0
2       0
2       0
4       0
4       0
4       0
4       0
4       0
4       0
4       0
4       0
6       0
6       0
8       0
8       0
8       0
10      0
10      0
10      0
10      0
10      0
16      0
16      0
16      0
24      0
26      0
28      0
30      0
30      0
30      0
34      0
34      0
34      0
36      0
40      0
42      0
42      0
42      0
48      0
50      0
50      0
52      0
52      0
56      0
60      0
60      0
62      0
64      0
68      0
74      0
78      0
80      0
88      0
88      0
88      0
88      0
94      0
94      0
96      0
96      0
98      0
100     0
100     0
102     0
102     0
102     0
106     0
106     0
106     0
106     0
118     0
120     0
120     0
120     0
128     0
132     0
134     0
136     0
142     0
156     0
160     0
160     0
164     0
172     0
176     0
178     0
180     0
188     0
198     0
200     0
202     0
204     0
206     0
226     0
236     0
276     0
292     0
294     0
324     0
344     0
562     1
808     2
2626    3
3210    4
9770    5
12398   6
13300   7
15756   8
16000   9
16000   9
20000   10
20784   11
23500   12
32000   13
32000   13
42014   14
346046  15

在这种情况下，第 0 组应该进一步拆分，第 6-9 组可以合并，第 10-12 组可以合并。

理想情况下，组中的任何值都不应大于该组中任何其他值的 2 倍。

解决方案

暂无回答