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,请关注编程网行业资讯频道。