python如何利用pd.cut()和pd.qcut()对数据进行分箱操作

这篇“python如何利用pd.cut()和pd.qcut()对数据进行分箱操作”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Python如何利用pd.cut()和pd.qcut()对数据进行分箱操作”文章吧。

1.cut()可以实现类似于对成绩进行优良统计的功能，来看代码示例。

假如我们有一组学生成绩，我们需要将这些成绩分为不及格（0-59）、及格（60-70）、良（71-85）、优（86-100）这几组。这时候可以用到cut()

import numpy as npimport pandas as pd# 我们先给 scores传入30个从0到100随机的数scores = np.random.unifORM(0,100,size=30)# 然后使用 np.round()函数控制数据精度scores = np.round(scores,1)# 指定分箱的区间grades = [0,59,70,85,100]cuts = pd.cut(scores,grades)print('\nscores:')print(scores)print('\ncuts:')print(cuts)# 我们还可以计算出每个箱子中有多少个数据print('\ncats.value_counts:')print(pd.value_counts(cuts))======output:======scores:[ 6.  50.8 80.2 22.1 60.1 75.1 30.8 50.8 81.6 17.4 13.4 24.3 67.3 84.4 63.4 21.3 17.2  3.7 40.1 12.4 15.7 23.1 67.4 94.8 72.6 12.8 81.  82. 70.2 54.1]cuts:[(0, 59], (0, 59], (70, 85], (0, 59], (59, 70], ..., (0, 59], (70, 85], (70, 85], (70, 85], (0, 59]]Length: 30CateGories (4, interval[int64]): [(0, 59] < (59, 70] < (70, 85] < (85, 100]]cuts.value_counts:(0, 59]      17(70, 85]      8(59, 70]      4(85, 100]     1dtype: int64

默认情况下，cat()的区间划分是左开右闭，可以传递right=False来改变哪一边是封闭的

代码示例：

cuts = pd.cut(scores,grades,right=False)

也可以通过向labels选项传递一个列表或数组来传入自定义的箱名

代码示例：

group_names = ['不及格','及格','良','优秀']cuts = pd.cut(scores,grades,labels=group_names)

当我们不需要自定义划分区间时，而是需要根据数据中最大值和最小值计算出等长的箱子。

代码示例：

# 将成绩均匀的分在四个箱子中，precision=2的选项将精度控制在两位cuts = pd.cut(scores,4,precision=2)

2.qcut()可以生成指定的箱子数，然后使每个箱子都具有相同数量的数据

代码示例：

import numpy as npimport pandas as pd# 正态分布data = np.random.randn(100)# 分四个箱子cuts = pd.qcut(data,4)print('\ncuts:')print(cuts)print('\ncuts.value_counts:')print(pd.value_counts(cuts))======output:======cuts:[(-0.745, -0.0723], (0.889, 2.834], (-0.745, -0.0723], (0.889, 2.834], (0.889, 2.834], ..., (-0.745, -0.0723], (-0.0723, 0.889], (-3.1599999999999997, -0.745], (-0.745, -0.0723], (-0.0723, 0.889]]Length: 100Categories (4, interval[float64]): [(-3.1599999999999997, -0.745] < (-0.745, -0.0723] < (-0.0723, 0.889] <                                    (0.889, 2.834]]cuts.value_counts:(0.889, 2.834]                   25(-0.0723, 0.889]                 25(-0.745, -0.0723]                25(-3.1599999999999997, -0.745]    25dtype: int64

以上就是关于“python如何利用pd.cut()和pd.qcut()对数据进行分箱操作”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网Python频道。