pd.cut()用法

• x：要进行分箱操作的数据。可以是一维的Series对象或NumPy数组。

• bins：指定分箱的方式。可以传递整数、序列或标量。常见的取值包括：

  • 整数：表示要将数据划分为等宽的指定数量的箱子。
  • 序列：表示要使用自定义的箱子边界，序列中的值指定每个箱子的边界。
  • 标量：表示要使用指定的算法来计算箱子的数量和边界。

• labels：指定分箱后每个箱子的标签。可以是一个列表或数组，用于标识每个分箱区间的名称或类别。

• right：指定分箱区间的闭合方式。默认为True，表示右闭合（包含右边界），False表示左闭合（不包含右边界）。

• include_lowest：指定是否将最小值包含在第一个箱子中。默认为False，表示不包含最小值。

• precision：指定分箱边界的精度。默认为0，表示保留整数精度。

import pandas as pd

data = [1, 3, 5, 2, 4, 6, 8, 7, 9, 10]
bins = [0, 3, 6, 9, 10]

# 执行分箱操作
result = pd.cut(data, bins, labels=['Low', 'Medium', 'High', 'Very High'])

print(result)