1. 简介
pandas.cut
函数是用于将连续的数值型数据分割成几个区间,常用于将连续变量离散化。
在这个函数中,**第一个参数
是需要被分割的数据,第二个参数
**是分割的区间数量。
pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3)
运行结果为
2. 遇到的问题
照常来说,这样就结束了,但是目前我遇到了一个新的问题,就是我将一组数据:
min_value=0.001999
max_value=8.12799
进行分组的时候会出现负值,分类结果如下:
至于为什么出现这种情况,目前自己还没有搞明白。如果有小伙伴可以在评论区进行指教说明。
3. 解决方案
我们重新将第一个区间进行重新进行定义
代码如下:
np.random.seed(0)
s = pd.Series(np.random.randint(-10,100,size=100)).clip(lower=0)
s_cut = pd.cut(s, bins=10)
print(s_cut.cat.categories)
first_I = s_cut.cat.categories[0]
new_I = pd.Interval(0, first_I.right)
s_cut = s_cut.cat.rename_categories({first_I: new_I})
print(s_cut.cat.categories)
# before
IntervalIndex([(-0.095, 9.5], (9.5, 19.0], (19.0, 28.5], ...)
# after
IntervalIndex([(0.0, 9.5], (9.5, 19.0], (19.0, 28.5], ...)