前言

数值数据在数据分析中很常见。通常，您拥有连续的、非常大的比例或高度偏斜的数值数据。有时，将这些数据分成离散的区间会更容易。当值被划分为有意义的类别时，这有助于执行描述性统计。例如，我们可以将确切的年龄划分为幼儿、儿童、成人和老年人。
Pandas 内置的 cut() 函数是将数值数据转换为分类数据的好方法。

参数及解释

pandas.cut(x, bins, right=True, labels=None, retbins=False,\precision=3, include_lowest=False, duplicates='raise', \ordered=True)

x :                          是我们要传入和切分的一维数组，可以是列表，也可以是dataFrame的一列
bins :             代表切片的方式，可以自定义传入列表[a,b,c],表示按照a-b,b-c的区间来切分，也可以是数值n，直接指定分为n组
right :                    True/False,为True时，表示分组区间是包含右边，不包含左边，即(]； False，代表[)
labels :                   标签参数，比如[低、中、高]
retbins :                 True/False, True返回bin的具体范围值，当bins是单个数值时很有用。(因为bin是数字的话，划分组具体数值我们是不知道的)
precision :              存储和显示 bin 标签的精度。默认为3
include_lowest :    True/False, 第一个区间是否应该是左包含的
duplicates :            raise/drop, 如果bin列表里有重复，报错/直接删除至保留一个
ordered :                标签是否有序。适用于返回的类型 Categorical 和 Series（使用 Categorical dtype）。如果为 True，则将对生成的分类进行排序。如果为 False，则生成的分类将是无序的（必须提供标签）

各参数：

bin=number

import pandas as pd
df = pd.DataFrame({'age': [2, 67, 40, 32, 4, 15, 82, 99, 26, 30]})
df['age_group'] = pd.cut(df['age'], 3)

这些区间值的开头有一个圆括号，结尾有一个方括号，例如 (1.903, 34.333]。
这基本上意味着圆括号一侧的任何值都不包含在区间中，而包括方括号的一侧（在数学中称为开闭区间）

df['age_group']0     (1.903, 34.333]
1      (66.667, 99.0]
2    (34.333, 66.667]
3     (1.903, 34.333]
4     (1.903, 34.333]
5     (1.903, 34.333]
6      (66.667, 99.0]
7      (66.667, 99.0]
8     (1.903, 34.333]
9     (1.903, 34.333]
Name: age_group, dtype: category
Categories (3, interval[float64, right]): [(1.903, 34.333] < (34.333, 66.667] < (66.667, 99.0]]

显示类型为：category, 3个标签名(1.903, 34.333] 、 (34.333, 66.667] 、 (66.667, 99.0], 这些符号通过"<"来连接,计算方式如下：

interval = (max_value — min_value) / num_of_bins= (99 - 2) / 3= 32.33333        (<--32.3333-->] < (<--32.3333-->] < (<--32.3333-->]        (1.903, 34.333] < (34.333, 66.667] < (66.667, 99.0]

#这里再解释下开区间数值是怎么来的。我们先看下左闭右开，即right=False

pd.cut(df['age'], 3, right=False)0       [2.0, 34.333)
1    [66.667, 99.097)
2    [34.333, 66.667)
3       [2.0, 34.333)
4       [2.0, 34.333)
5       [2.0, 34.333)
6    [66.667, 99.097)
7    [66.667, 99.097)
8       [2.0, 34.333)
9       [2.0, 34.333)
Name: age, dtype: category
Categories (3, interval[float64, left]): [[2.0, 34.333) < [34.333, 66.667) < [66.667, 99.097)]

闭区间所在("[]")，即最小值和最大值。但是开区间是有差异的。
计算方式源代码：${pkg}/pandas/core/reshape/tile.py 第266行

adj = (mx - mn) * 0.001  # 0.1% of the range
if right:                   #左开右闭bins[0] -= adj          #2-（99-2）*0.001 = 1.903
else:                       #左闭右开bins[-1] += adj         #99 + （99-2）*0.001 = 99.097

你...学废了吗？

bin传入指定的列表

df['age_group'] = pd.cut(df['age'], bins=[0, 12, 19, 61, 100])
df['age_group']0      (0, 12]
1    (61, 100]
2     (19, 61]
3     (19, 61]
4      (0, 12]
5     (12, 19]
6    (61, 100]
7    (61, 100]
8     (19, 61]
9     (19, 61]
Name: age_group, dtype: category
Categories (4, interval[int64, right]): [(0, 12] < (12, 19] < (19, 61] < (61, 100]]

此时的左开右闭区间为：(0, 12] < (12, 19] < (19, 61] < (61, 100]

#sort_values
df.sort_values('age_group')

#对每个Categories进行计数
df['age_group'].value_counts().sort_index()(0, 12]      2
(12, 19]     1
(19, 61]     4
(61, 100]    3
Name: age_group, dtype: int64

添加label

bins=[0, 12, 19, 61, 100]
labels=['<12', 'Teen', 'Adult', 'Older']df = pd.DataFrame({'age': [2, 67, 40, 32, 4, 15, 82, 99, 26, 30]})
df['age_group'] = pd.cut(df['age'], bins, labels=labels)
#这时候age_group不再是显示一个区间了，而是具体的标签了
#sort
#df['age_group'].value_counts().sort_index()

include_lowest

假设将上述年龄值划分为 2-12、12-19、19-60、61-100。
将bin设置为 [2, 12, 19, 61, 100] 时，第一个数字将不包含在内，将得到包含 NaN 的结果。

df['age_group'] = pd.cut(df['age'], bins=[2, 12, 19, 61, 100],\include_lowest=True)

当然，我们也可以为bin传入IntervalIndex

bins = pd.IntervalIndex.from_tuples([(0, 12), (19, 61), (61, 100)])
bins

输出:
IntervalIndex([(0, 12], (19, 61], (61, 100]], dtype='interval[int64, right]')

df['age_group'] = pd.cut(df['age'], bins)
df
#从而可以将我们不需要的部分删除掉，或者做其他处理

返回bins
使用retbins=True将生成的bins返回

result, bins = pd.cut(df['age'], bins=4,            # A single number valueretbins=True
)

pandas-cut 函数相关推荐

pandas使用cut函数基于分位数进行连续值分箱（手动计算分位数）处理后出现NaN值原因及解决
pandas使用cut函数基于分位数进行连续值分箱(手动计算分位数)处理后出现NaN值原因及解决目录 pandas使用cut函数基于分位数进行连续值分箱(手动计算分位数)处理后出现NaN值原因及解决 ...
Python之数据转换——【rename()方法、cut()函数、get_dummies()函数】
文章目录重命名轴索引离散化连续数据哑变量处理类别型数据重命名轴索引 rename( self, mapper: Optional[Renamer] = None, *, index: Opti ...
pandas 常用函数整理
pandas常用函数整理,作为个人笔记. 仅标记函数大概用途做索引用,具体使用方式请参照pandas官方技术文档. 约定 from pandas import Series, DataFrame im ...
python cut函数_Pandas DataFrame.cut()用法例子
本文概述当需要将数据值分段并将其分类到bin中时, 将调用cut()方法.它用于将连续变量转换为分类变量.它还可以将元素数组分离到单独的容器中.该方法仅适用于一维数组状对象. 如果我们有大量标量数据 ...
python cut函数_基于python cut和qcut的用法及区别详解
我就废话不多说了,直接上代码吧: from pandas import Series,DataFrame import pandas as pd import numpy as np from num ...
blankcount函数python,Python pandas常用函数详解
本文研究的主要是pandas常用函数,具体介绍如下. 1 import语句 2 文件读取 df = pd.read_csv(path='file.csv') 参数:header=None 用默认列名, ...
数据分析工具Pandas（4）：Pandas的函数应用
数据分析工具Pandas(1):Pandas的数据结构数据分析工具Pandas(2):Pandas的索引操作数据分析工具Pandas(3):Pandas的对齐运算数据分析工具Pandas(4): ...
R语言计算dataframe数据列中各分类的计数（类似pandas value_counts函数功能）
R语言计算dataframe数据列中各分类的计数(类似pandas value_counts函数功能) 目录 R语言计算dataframe数据列中各分类的计数(类似pandas value
R语言cut函数实现数据分箱及因子化实战
R语言cut函数实现数据分箱及因子化实战目录 R语言cut函数实现数据分箱及因子化实战 #基本语法 #cut函数数值分箱
pandas常用函数说明及速查表
pandas常用函数说明及速查表如果你用python做开发,那么几乎肯定会使用pandas库. Pandas 是 Python 语言的一个扩展程序库,用于数据分析. Pandas 是一个开放源码.B ...

pandas-cut 函数

前言

参数及解释

各参数：

bin=number

bin传入指定的列表

添加label

include_lowest

当然，我们也可以为bin传入IntervalIndex

返回bins
使用retbins=True将生成的bins返回

pandas-cut 函数相关推荐

最新文章

热门文章

pandas-cut 函数

前言

参数及解释

各参数：

bin=number

bin传入指定的列表

添加label

include_lowest

当然，我们也可以为bin传入IntervalIndex

返回bins 使用retbins=True将生成的bins返回

pandas-cut 函数相关推荐

最新文章

热门文章

返回bins
使用retbins=True将生成的bins返回