python bins分箱,划分数值区间

例子1
a = od.交易时间.apply(lambda x: x.hour)

labels = ['上午','午间','下午','夜间','夜间2']
bins = [0,6,12,14,18,24]
pd.cut(a, bins=bins, labels=labels, right=False)
  • bins:区间
  • labels:标签
  • right:右区间是否为闭
例子2
pht.时间点

在这里插入图片描述

在播时段: 
    18:00 - 02:00  8h夜间活跃  
    02:00 - 08:00  6h凌晨活跃  
    08:00 - 12:00  4h上午活跃  
    12:00 - 18:00  6h下午活跃
bins = [0, 2, 8, 12, 18, 25]
labels = ['夜间活跃_2', '凌晨活跃', '上午活跃', '下午活跃', '夜间活跃']
pd.cut(pht.时间点, bins=bins, labels=labels, right=False).apply(lambda x: x[:4])

在这里插入图片描述

  • 4
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中,有几种方法可以对数值进行间隔分箱。下面是其中的两种方法: 方法1:使用`cut`函数 `cut`函数可以将一组数值划分为离散的间隔,并将它们映射到指定的箱子。可以通过指定边界和标签来定义间隔和对应的箱子名称。这样,数值就会根据其落入的间隔被分配到相应的箱子中。 方法2:使用`qcut`函数 `qcut`函数根据数值的分位数来划分间隔。函数会根据指定的分位数数量将数值分割成等频的区间。也可以通过指定边界和标签来自定义间隔和对应的箱子名称。 以方法1为例,下面是一个用Python的Pandas库进行间隔分箱的示例代码: ```python import pandas as pd import numpy as np # 创建示例数据框 def create_df(): df = pd.DataFrame({'score': np.random.randint(0, 101, 1000)}) return df df = create_df() # 定义间隔和对应的箱子名称 bins = [0, 50, 80, 100] labels = ['C', 'B', 'A'] # 将数值划分到相应的箱子中 df['grade'] = pd.cut(df['score'], bins=bins, labels=labels) df.head() ``` 在上述代码中,我们首先创建了一个示例数据框,然后定义了边界和对应的等级标签。最后,使用`pd.cut`函数将数值划分到相应的箱子中,结果存储在新的列"grade"中。 这就是Python中间隔分箱的基本方法之一。可以根据具体需求选择合适的方法来进行间隔分箱操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【Python】使用Pandas对数值进行分箱操作的4种方法](https://blog.csdn.net/ARPOSPF/article/details/129664845)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值