数据离散化与分箱

1.分箱的意义

将数据放在分段线中，例如将成绩按照等差区间分为，A,B,C,D。分别对应60，80，90，100。

2.代码示例

import pandas as pd

import numpy as np

ages = [20,22,33,54,64,43,55,66,75,32,21,11]

bins = [18,25,35,60,100]

cart = pd.cut(ages,bins) #将原数据按照bins中的区间进行分箱。

cart.codes #查看每个数据分箱到哪里了

cart.categories#查看分区的详细信息

pd.value_counts(cart) #显示各分段的数量

right = False #改变左开右闭为左闭右开区间

labels=[‘名称1’，‘名称2’...] #使用自定义分箱名称

如果传入整数作为分箱，则取最大与最小的差值等长作为分箱边界。

precision=n整数自动分箱时的间距的精度

qcut基于样本个数分位数进行分箱，而cut是基于最大值最小值的位置分位数。例：

data = np.random.randn(1000)

cats = pd.qcut(data,4,presicion=3)

pd.value_counts(cats)  #显示各分段的数量