python——numpy——数据分区（digitize，cut，qcut，quantile函数）

一、区间划分

1、digitize()：主要用于将一组数据进行分区。

主要参数：

• bins：标量序列，分区的依据，bins内的数据一定要是降序或者升序的数据，不能是一堆无序数据。。

返回值：所属区间的上限在bins中的索引。

import numpy as np
import pandas as pd

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

df=pd.DataFrame(np.random.randint(135,210,100),columns=['a']) #创建数据
print('------原始数据------')
df

#创建分区
bins=np.arange(135,215,5)#注意：bins数据是有要求的，bins内的数据一定要是降序或者升序的数据，不能是一堆无序数据。

#digitize
indices=np.digitize(df['a'],bins) #返回值为每个值所属区间的索引。
print('------digitize算法:返回索引------')
indices

#打上标签
df['a1']=[str(bins[i-1])+"~"+str(bins[i]) for i in indices] 
df

输出：

接下来可根据分区进行汇总操作：

df.groupby(['a1'])['a'].count().reset_index()

输出：

2、cut()：主要用于将一组数据进行分区。

主要参数：

• bins：标量序列，分区的依据，bins内的数据一定要是降序或者升序的数据，不能是一堆无序数据。。
• label：标签，分区之后，返回值中各区间可以用标签一一替换显示，如果不指定，返回值以半开区间的分区显示，例如(100,200]。

返回值：各个数据所在bins中的区间。

import numpy as np
import pandas as pd

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

df=pd.DataFrame(np.random.randint(135,210,100),columns=['a']) #创建数据
print('------原始数据------')
df

#创建分区
bins=np.arange(135,215,5)#注意：bins数据是有要求的，bins内的数据一定要是降序或者升序的数据，不能是一堆无序数据。

print('------cut算法------')
#cut算法
df['a2']=pd.cut(df['a'],bins
                # ,labels=['bad','medium','good','awesome']
               )
df

输出：

二、分位数划区间

1、qcut()：主要用于将一组数据进行分区，是cut里面的特例，是以分位数进行分区的。

主要参数：

• q：按分位数进行分区之后的区间数，例如4，则是按照(0,25,50,75,100]这样的分区分成四段。
• label：标签，分区之后，返回值中各区间可以用标签一一替换显示。

返回值：各个数据所在的区间。

import numpy as np
import pandas as pd

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

df=pd.DataFrame(np.random.randint(135,210,100),columns=['a']) #创建数据
print('------原始数据------')
df

print('------qcut算法------')
#qcut算法
df['a3']=pd.qcut(df['a'],4
                 # ,labels=['bad','medium','good','awesome']
                )
df

输出：

2、quantile():主要用于将一组数据进行分区,计算沿指定轴的数据的第q个分位数。

主要参数：

• a ：输入数组或可以转换为数组的对象。

• q ：要计算的分位数或分位数序列，必须在0到1之间（含0和1）。

• axis ： 可选，用于计算分位数的一个或多个轴。默认值是沿数组的展平版本计算分位数。

返回值：返回第q个分位数或者是一组分位数序列。

import numpy as np
import pandas as pd

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

df=pd.DataFrame(np.random.randint(135,210,100),columns=['a']) #创建数据
print('------原始数据------')
df

#创建分位数序列
bins=[0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0] 

#quantile
indices=np.quantile(df['a'],bins) #返回值为各个分位数的具体值。
print('------quantile算法:返回分位数值------')
indices

输出：