溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
pd.cut
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)
x：要分箱的輸入數組，必須是一維的
bins：int或標量序列
若bins是一個int，它定義在x范圍內的等寬單元的數量。然而，在這種情況下，x的范圍在每一側延伸0.1％以包括x的最小值或最大值
若bins是一個序列，它定義了允許非均勻bin寬度的bin邊緣。在這種情況下不進行x的范圍的擴展
right：bool，可選：決定區間的開閉，如果right == True（默認），則區間[1,2,3,4]指示（1,2]，（2,3]，（3,4]
labels：array或boolean，默認值為無：用作生成的區間的標簽。必須與生成的區間的長度相同。如果為False，則只返回bin的整數指示符
retbins：bool，可選：是否返回bin。如果bin作為標量給出，則可能有用
precision：int：存儲和顯示容器標簽的精度，默認保留三位小數
include_lowest：bool：第一個間隔是否應該包含左邊
import numpy as np import pandas as pd # 使用pandas的cut函數劃分年齡組 ages = [20,22,25,27,21,23,37,31,61,45,32] bins = [18,25,35,60,100] cats = pd.cut(ages,bins) print(cats) # 分類時，當數據不在區間中將變為nan # 統計落在各個區間的值數量 print(pd.value_counts(cats)) # 使用codes為年齡數據進行標號 print(cats.codes) # 設置自己想要的面元名稱 group_names = ['Youth','YoungAdult','MiddleAged','Senior'] print(pd.cut(ages, bins, labels=group_names)) # 設置區間數學符號為左閉右開 print(pd.cut(ages, bins, right=False)) # 向cut傳入面元的數量，則會根據數據的最小值和最大值計算等長面元 print(pd.cut(ages, 4, precision=2)) # precision=2表示設置的精度
pd.qcut
與cut類似，它可以根據樣本分位數對數據進行面元劃分
pandas.qcut(x, q, labels=None, retbins=False, precision=3)
x：ndarray或Series
q：整數或分位數陣列分位數。十分位數為10，四分位數為4或者，分位數陣列，例如[0，.25，.5，.75，1.]四分位數
labels：array或boolean，默認值為無：用作生成的區間的標簽。必須與生成的區間的長度相同。如果為False，則只返回bin的整數指示符。
retbins：bool，可選：是否返回bin。如果bin作為標量給出，則可能有用。
precision：int：存儲和顯示容器標簽的精度
import numpy as np
import pandas as pd
# qcut可以根據樣本分位數對數據進行面元劃分
# data = np.random.randn(20) # 正態分布
data = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]
cats = pd.qcut(data, 4) # 按四分位數進行切割
print(cats)
print(pd.value_counts(cats))
print("-------------------------------------------------")
# 通過指定分位數（0到1之間的數值，包含端點）進行面元劃分
cats_2 = pd.qcut(data, [0, 0.5, 0.8, 0.9, 1])
print(cats_2)
print(pd.value_counts(cats_2))
以上這篇關于pandas的離散化,面元劃分詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
