Dispongo de los siguientes dataframe. Dataframe con datos de observaciones.
import numpy as np
data = np.array([[15, 38, 14, 13, 29, 25], [20, 13, 16, 32, 44, 39], [45, 46, 19, 23, 24, 18],
[19, 20, 21, 18, 25, 33], [13, 18, 22, 24, 27, 27] ])
# Creating pandas dataframe from numpy array
datos = pd.DataFrame({'Column1': data[:, 0], 'Column2': data[:, 1], 'Column3': data[:, 2], 'Column4': data[:, 3], 'Column5': data[:, 4]})
# Deuelve una lista por cada fila
lista_datos = datos.values.tolist()
# Ordenación de los datos.
lista_ordenada_ventas = np.sort(lista_datos, axis=None)
# Crear un narray con una lista
array_datos_ordenados = np.array(lista_ordenada_ventas.reshape(datos.shape[0], datos.shape[1]))
# Crear un df con un narray
ventas_semanales_ordenadas = pd.DataFrame(array_datos_ordenados)
# Crear un df de una única columna, con una lista
ventas = pd.DataFrame(lista_ordenada_ventas)
ventas.columns = (["Valores"])
Creo un DataFrame con los límtes de los intervalos de clase aplicables a dichas observaciones para su análisis.
datos = np.zeros((6, 2))
intervalos = pd.DataFrame(datos, columns = ["LimInf", "LimSup"] )
intervalos.iloc[0,0] = 13
c = 6
intervalos.iloc[0, 1] = 13 + c -1
for i in range (1, intervalos.shape[0]):
intervalos.iloc[i,0] = intervalos.iloc[i-1,1] + 1
intervalos.iloc[i, 1] = intervalos.iloc[i,0] + c -1
intervalos
Continuamos creando límites exactos,
intervalos["LimExacInf"] = 0
intervalos["LimExacSup"] = 0
# Calcula el límite exacto superior
for i in range (0, intervalos.shape[0]):
intervalos.loc[i , "LimExacSup"] = (intervalos.loc[i, "LimSup"] + intervalos.loc[i, "LimInf"])/2
for i in range (1, intervalos.shape[0]):
intervalos.loc[i , "LimExacInf"] = intervalos.loc[i-1, "LimExacSup"]
c = intervalos.loc[1, "LimExacSup"] - intervalos.loc[1, "LimExacInf"]
intervalos.loc[0, "LimExacInf"] = intervalos.loc[0, "LimInf"]
intervalos["MarcaClase"] = (intervalos["LimExacSup"] + intervalos["LimExacInf"]) / 2
intervalos
A continuación deseo añadir la columna "FrecuenciaAbsoluta", contando en la tabla de variables cuantas están incluidas dentro de cada rango, que cumplan la condición de ser >= que el límite inferior del intervalo ó < que el límite superior. Lo intento con este script,y me da un error que no acabo de interpretar.
frecuencia = 0
intervalos["FrecAbsolutas"]= 0
lista_frecuencias= [0]
for i in range (0, ventas.shape[0]):
for j in range (0, intervalos.shape[0]):
if ventas.iloc[i,0] >= intervalos.iloc[j, 3] or ventas.iloc[i,0] < intervalos.iloc[j, 4]:
lista_frecuencias[i] = lista_frecuencias[i] + 1
intervalos["FrecAbsolutas"]= lista_frecuencias
intervalos
Las frecuencias absolutas deberían ser: 5, 8, 5, 2, 1 y 3 Devuelve el error: IndexError: list index out of range Agradeceré sugerencias para modificar el script.
Por otro lado, ¿Existirá alguna función en pandas, scipy, etc, que realice esta tarea? Agradeceré vuestra ayuda.
lim_inf <= valor < lim_sup
quedan excluidos de ambos intervalos. ¿No deberían ser ambos inclusivos o es lo que deseas?