Pandas连续数据的离散化，cut、qcut

最新推荐文章于 2024-07-08 22:36:39 发布
最新推荐文章于 2024-07-08 22:36:39 发布
阅读量1k 收藏 4
点赞数 2
分类专栏： 数据分析 文章标签： python pandas 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kylinxjd/article/details/98870791
版权

先创建一个DataFrame测试

import pandas as pd
import numpy as np
d = pd.DataFrame(np.random.randint(0, 50, (10, 6)),
                index=list('ABCDEFGHIJ'),
                columns=list('abcdef'))

在这里插入图片描述

1、等宽法、将数据划分为n等份

把a列的每一个元素的区间都分出来
在这里插入图片描述
展示每一个区间的元素个数
在这里插入图片描述
对结果不排序
在这里插入图片描述

2、等频法、 以相同数量的记录放进每个区间

qcut()是按照分位数对样本进行划分的，这样划分的结果是的每个区间的大小基本相同，但不一定完全相同。例如把a列分成4等份，就是按照四分位数划分的
在这里插入图片描述

kylinxjd
关注
专栏目录
python cut函数_Pandas DataFrame.cut()用法例子
weixin_39882623的博客
12-13 3086
本文概述当需要将数据值分段并将其分类到bin中时, 将调用cut()方法。它用于将连续变量转换为分类变量。它还可以将元素数组分离到单独的容器中。该方法仅适用于一维数组状对象。如果我们有大量标量数据并对其进行一些统计分析, 则可以使用cut()方法。句法pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, i...
Pandas分箱/离散化cut()与qcut()的区别
Java/Python大数据成长之路
04-07 1855
例如，如果对年龄进行分箱，0-1岁是婴儿，1-12岁是孩子，12-18岁是青少年，18-60岁是成年人，60岁以上是老年人。默认情况下，它被设置为False，因此，当Pandas看到我们传递的列表时，它将把2008年排除在计算之外。时，我们告诉Pandas将数据列切成5个相等的量级，即0-20%，20-40%，40-60%，60-80%和80-100%桶/箱。可以看到，分箱的边缘是不等宽的，因为它要容纳每个桶1/3的值，因此它要自己计算每个箱子的宽度来实现这一目标。边缘的间距大小是相等的，每个。
基于python cut和qcut的用法及区别详解
01-20
我就废话不多说了，直接上代码吧： from pandas import Series,DataFrame import pandas as pd import numpy as np from numpy import nan as NA from matplotlib import pyplot as plt ages = [20,22,25,27,21,23,37,31,61,45,41,32] #将所有的ages进行分组 bins = [18,25,35,60,100] #使用pandas中的cut对年龄数据进行分组 cats = pd.cut(ages,bins) #print(ca
python pandas dataframe 列 转换为离散值
weixin_44493841的博客
12-29 690
python pandas dataframe 列 转换为离散值 import pandas as pd import numpy as np df1 = pd.DataFrame( { '日期': ['2021-7-2', '2021-8-2', '2021-9-2', '2021-10-2'], 'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8], 'C': [9, 10, 11, 12],
离散化及其在 Pandas 中的实现方法
最新发布
光就是羁绊之力，它会再度被某人继承，散发出耀眼的光。
07-08 414
离散化是将连续数据或分类数据转换为离散类别的过程，方便后续的数据分析和机器学习建模。
pandas qcut使用
qq_35985044的博客
11-07 334
pandas的qcut可以把一组数字按大小区间进行分区,比如 data = pd.Series([0,8,1,5,3,7,2,6,10,4,9]) 比如我要把这组数据分成两部分,一半大的,一半小的,如果是小的数,值就变成'small number',大的数,值就变成'large number': print(pd.qcut(data,[0,0.5,1],labels=['small number','large number'])) qcut()方法第一个参数是数据,第二个参数定义区间的分割..
pandas cut()函数
m0_69097184的博客
07-24 701
在pandas中，`cut()`函数用于将连续的数值数据按照指定的间隔划分成离散的区间。它可以将一组数值划分成不同的区间，并为每个值分配一个对应的区间标签。参数说明：- `x`：要划分的数值数据，可以是DataFrame的列、Series或数组。- `bins`：指定划分的区间边界。可以是一个整数，表示划分的区间数量；也可以是一个数 组，表示自定义的区间边界。- `labels`：可选参数，用于指定每个区间的标签。
pandas数据离散化pandas.cut()和pandas.qcut()
01-07
pandas数据离散化 什么叫数据离散化？也可以理解为数据分组。举个简单的例子，我们有一组学生成绩的数据，我们可以将数据按照成绩的最大值和最小值划分为几个相同的区间。假设最高分100分，最低分50分，我们可以划分...
使用pandas实现连续数据的离散化处理方式(分箱操作)
09-18
在Python中，Pandas库提供了两种主要的方法来实现离散化，即分箱操作：`pd.cut` 和 `pd.qcut`。 `pd.cut` 函数主要用于根据用户指定的分界点（bins）进行分箱。例如，我们有一组年龄数据（ages），我们可以设定一...
浅谈pandas.cut与pandas.qcut的使用方法及区别
09-17
而 `pandas.qcut` 则更适用于探索性分析，如查看数据的四分位分布，或者在建模中对连续变量进行离散化处理，避免连续变量对模型的影响过大。 ### 总结 `pandas.cut` 和 `pandas.qcut` 都是 Pandas 提供的强大的...
Python 中pandas 中cut方法
我是一只小小小菜鸟的博客
09-28 2万+
在对数据进行分段分组时，可采用cut方法，用bins的方式实现。这种情况一般使用于，对于年龄、分数等数据。 import random import pandas as pd import numpy as np from pandas import Series,DataFrame #用随机数产生一个二维数组。分别是年龄的性别。 df=pd.DataFrame({'Age':np.rando...
pandas数据处理实践四（时间序列date_range、数据分箱cut、分组技术GroupBy）
进击的菜鸟
10-05 7838
时间序列： 关键函数 pandas.date_range（start = None，end = None，periods = None，freq = None，tz = None，normalize = False，name = None，closed = None，** kwargs ） 参数： start：str或datetime-like，可选 生成日期的...
pandas 中DataFrame使用:数据标准化、数据分组、日期转换、日期格式化、日期抽取
热门推荐
orangefly0214的博客
09-16 5万+
转自：https://blog.csdn.net/meiqi0538/article/details/82558000 1数据标准化 将数据按比例缩放，使之落入到特定区间，一般我们使用0-1标准化。公式如下： X∗=x−minmax−minX∗=x−minmax−min #导包 import pandas; from pandas import read_csv df=read_csv...
python 的cut与qcut
change_fate的博客
11-23 3994
我想要实现多分类，样本不是均匀分布的使用cut，可以实现自定义范围分类使用qcut，可以实现每个 分类的个数大致相等
qcut的作用
ningyanggege的博客
09-11 3642
第一、qcut将等分位数方法，将数据集分成指定的n个部分；比如说10，那么就会将原始数据集分成10个数量相同的部分，并有对应的区间；每个区间为一个类； 代码如下所示： data=pd.DataFrame(np.random.randn(50,5),columns=list('abcde')) data['qcut']=pd.qcut(data.a,10) print(pd.qcut(data.a...
Python学习——数据排序及分箱pd.cut\pd.qcut
小伟的博客
05-30 3689
dataframe按照指定列进行排序及分箱
python qcut_python – 将qcut分配为新列
weixin_39759881的博客
12-11 412
在这里的熊猫笔记本上我看到qcut的结果被指定为DataFrame的新列. Dataframe有两列,但以某种方式将qcut输出分配给一个新列神奇地找到了“var”变量所在的正确级别 – 未检查另一个变量.这里的熊猫语义是什么？示例输出如下：In [2]:from pandas import *from statsmodels.formula.api import logitfrom statsm...
pandas.qcut进行数据分组，找到靠前或者靠后的数据
boyStray的博客
05-18 2271
https://stackoverflow.com/questions/44088460/interval-datatype-in-pandas-find-midpoint-left-center-etcpandas.qcut函数返回Categories类型，包含了interval类型的数组。>>> bins=pd.qcut(range(5), 4) >>> b...
python qcut_Python之Pandas库学习（三）：数据处理
weixin_39820437的博客
12-11 264
1. 合并可以将其理解为SQL中的JOIN操作，使用一个或多个键把多行数据结合在一起。1.1. 简单合并参数on表示合并依据的列,参数how表示用什么方式操作(默认是内连接)。>>> frame1 = pd.DataFrame( {'id':['ball', 'pencil', 'pen', 'mug', 'ashtray'], 'color':['white', 'red', ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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