【python】等频分箱qcut

最新推荐文章于 2024-09-29 12:06:07 发布

喜东东cc

最新推荐文章于 2024-09-29 12:06:07 发布

阅读量1.9w

点赞数

分类专栏：编程

本文链接：https://blog.csdn.net/qq_34105362/article/details/82622939

版权

编程专栏收录该内容

25 篇文章 0 订阅

订阅专栏

在python 较新的版本中，pandas.qcut()这个函数中是有duplicates这个参数的，它能解决在等频分箱中遇到的重复值过多引起报错的问题；

在比较旧版本的python中，提供一下解决办法：

import pandas as pd

def pct_rank_qcut(series, n):
    '''
    series：要分箱的列
    n：箱子数
    '''
    edages = pd.series([i/n for i in range(n)] # 转换成百分比
    func = lambda x: (edages >= x).argmax() #函数：(edages >= x)返回fasle/true列表中第一次出现true的索引值
    return series.rank(pct=1).astype(float).apply(func) #series.rank(pct=1)每个值对应的百分位数，最终返回对应的组数;rank()函数传入的数据类型若为object，结果会有问题，因此进行了astype