使用pd.cut进行分箱操作

1.表格

2.需求

对表格中，a列下所有的数据进行分箱处理，使得每个箱子中出现的a的数值个数是一样的

3.代码如下

def test():
    df = pd.DataFrame({'a':[1.0,1.29,1.59,1.9,2.2,2.5,2.7,3.4,4.0],'b':[11,12,13,14,15,16,17,18,19]})
    label = ['潜在客户', '一般发展客户', '一般保持客户', '一般价值客户', '重要挽留客户', '重要发展客户', '重要保持客户', '高价值客户']
    df_bins = df['a'].describe([0.125,0.25,0.375,0.5,0.625,0.75,0.875,1]) # 求分位数，分位数间隔为0.125，describe中参数范围[0,1]
    bin = [0,df_bins['12.5%'],df_bins['25%'],df_bins['37.5%'],df_bins['50%'],df_bins['62.5%'],df_bins['75%'],df_bins['87.5%'],df_bins['100%']]
    print(df_bins)
    print(bin)
    df['cut'] = pd.cut(df['a'],bins=bin,labels=label)
    print(df)

4.原理

（1）pd.cut

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’, ordered=True)[source]¶

官方文档：当您需要将数据值分段和排序到 bin 中时，请使用cut。此函数对于从连续变量到分类变量也很有用。例如，cut可以将年龄转换为年龄范围的组。支持分箱成相等数量的箱，或预先指定的箱阵列。

参数解释如下：
x ：要分箱的一维数组。

bins：类型如果是整数，表示将一维数组x，分为等宽的bins个区间范围
						如果是列表，比如说bins = [0,2,4,6],则表示将一维数组x按照数值大小，分别放到0~2,2~4~6三个箱体之中
						因为是三个箱体，所以labels中标签的数	量，即每一个箱体的名字，必须有且只有3个，每个箱体对应一个命名
IntervalIndex ：定义要使用的确切 bin。请注意，bin 的IntervalIndex必须不重叠。

right：默认为 True，即箱体范围中，右侧为闭区间，比如(0,2],(2,4],(4,6]
labels：类型为数组，默认无，指定返回的 bins 的标签。必须与生成的 bin 长度相同。如果为 False，则仅返回 bin 的整数指示符。当bins是 IntervalIndex时，将忽  略此参数。如果为 True，则引发错误。当ordered=False 时，必须提供标签。

retbins：bool值，默认为 False，是否归还垃圾箱。当 bins 作为标量提供时很有用。retbins=True会返回分界值
precision：整数，默认 3，存储和显示 bin 标签的精度。
include_lowest：bool值，默认为 False，第一个间隔是否应该包含在左侧。默认为(0,2],为True时，分箱包括左侧，结果为[0,2]
duplicates：{default 'raise', 'drop'}，可选，如果 bin 边缘不唯一，则引发 ValueError 或删除非唯一值。
ordered：bool值，默认为 True
标签是否有序。适用于返回类型 Categorical 和 Series（使用 Categorical dtype）。如果为 True，则会对结果分类进行排序。如果为 False，则生成的分类将是无序的（必须提供标签）。