Me estoy iniciando en POO. Como ejercicio, me he planteado construir una clase que construya lo que, en estadística, se denomina intervalos de clase.
Esta función, simula un registro de ventas
import numpy as np # importando numpy
import pandas as pd # importando pandas
import math
import os
def datos_ventas():
np.random.seed(0) # seed for reproducibility
data = np.random.randint(1, 99, (52, 6)) #
pd.set_option('precision', 2)
# array de una lista.
lista_ventas = data[:,:].flatten()
# Lista ordenada de datos
lista_ordenada = np.sort(lista_ventas, axis=None)
# df de ventas
df_ventas = pd.DataFrame(data)
# Crear un df de una única columna, con una lista
ventas = pd.DataFrame(lista_ventas)
ventas.columns = (["Valores"])
return df_ventas, lista_ventas, lista_ordenada, ventas
df_ventas, lista_ventas, lista_ordenada, ventas = datos_ventas()
ventas[:3]
El siguiente script, me da el error que menciono en el título.
import math
class ConstructoraIntervalos:
def __init__(self, df, max =0, min=0, M=0, R=0, K=0, C=0):
self.df = df
self.max = max
self.min = min
self.M = M
self.R = R
self.K = K
self.C = C
"""Número de muestras"""
def calcula_numero_muestras(self):
"""Número de muestras"""
self.M = self.df.size
print ("Numero muestras M:", self.M)
"""Recorrido de la variable"""
def calcula_recorrido (self):
# Variables máxima y mínima
self.max = self.df.values.max()
self.min = self.df.values.min()
self.R = (self.max - self.min )
print ("Variables máxima y mínima (max, min):", self.max, self.min)
print ("Recorrido de la variable :", self.R)
"""Estimación del número de intervalos"""
def estima_numero_intervalos(self):
# Número de muestras M
#self.M = self.df.size
self.K = round(1 + 3.322 * math.log10(self.M) )
print ("Número intervalos K:", self.K)
"""Estimación del Tamaño de los intervalos"""
def estima_tamaño_intervalos(self):
self.lim_inf = self.df.min
self.lim_sup = self.df.max
"""Tamaño de los intervalos"""
self.C = math.ceil( self.R / self.K)
print ("Tamaño intervalos C:", self.C)
def crea_intervalos(self):
intervalos = pd.interval_range( start = self.min, end = self.max, freq = self.C, name="Intervalo", closed="left")
df_clases = pd.DataFrame(index=intervalos)
df_clases["Fi"] = pd.cut(self.df , bins= df_clases.index).value_counts()
# Media de cada intervalo del índice
df_clases["Marca"] = df_clases.index.mid
df_clases["LimInf"] = df_clases.index.left
#Lo instancio como variable de clase al final.
df_clases["LimSup"] = df_clases.index.right
print (df_clases)
return df_clases
def imprime():
print ("\nNúmero de muestras M :\n", self.M)
print ("\nMáximo valor", self.max)
print ("\nMínimo valor",self.min)
print ("\nRecorrido de las variables R :", self.R)
print ("\nNúmero óptimo de intervalos K:", self.K)
print ("\nTamaño de los intervalos C:", self.C)
print (df_clases)
tabla1 = ConstructoraIntervalos(ventas)
tabla1.calcula_numero_muestras()
tabla1.calcula_recorrido ()
tabla1.estima_numero_intervalos()
tabla1.estima_tamaño_intervalos()
tabla1.crea_intervalos()
tabla1.imprime()
El error que me devuelve es: "ValueError: Input array must be 1 dimensional" y parece estar relacionado con la sentencia "df_clases["Fi"] = pd.cut....." del método "crea_intervalos()" En esta sentencia, creamos una columna con frecuencias absoluta, en el DataFrame "df_clases.
en el enlace [https://github.com/akitxu/Consultas-Programacion/blob/master/Crear_Intervalos_Clase.ipynb][1]
mostramos un noetebook con el mismo código, en una secuencia de funciones, sin definición de clases, que opera correctamente.
En el código incluyo sentencias print en los métodos, para facilitar la depuración y ver si las variables tienen o no valores.
¿Cuál puede ser la causa de este problema?. Agradeceré sus comentarios
El error es:
ValueError Traceback (most recent call last)
<ipython-input-76-b83c5146ed45> in <module>
69 tabla1.estima_numero_intervalos()
70
---> 71 df_clases = tabla1.crea_intervalos()
72 tabla1.imprime()
<ipython-input-76-b83c5146ed45> in crea_intervalos(self)
44
45 df_clases = pd.DataFrame(index=intervalos)
---> 46 df_clases["Fi"] = pd.cut(self.df , bins= df_clases.index).value_counts()
47 # Media de cada intervalo del índice
48 df_clases["Marca"] = df_clases.index.mid
C:\Anaconda3\lib\site-packages\pandas\core\reshape\tile.py in cut(x, bins, right, labels, retbins, precision, include_lowest, duplicates)
204
205 original = x
--> 206 x = _preprocess_for_cut(x)
207 x, dtype = _coerce_to_type(x)
208
C:\Anaconda3\lib\site-packages\pandas\core\reshape\tile.py in _preprocess_for_cut(x)
553 x = np.asarray(x)
554 if x.ndim != 1:
--> 555 raise ValueError("Input array must be 1 dimensional")
556
557 return x
ValueError: Input array must be 1 dimensional