pandas.cut()实现数据离散化

数据离散化一般用来把采集到的数据点分散到设定好的多个区间中，或者在不同的区间内选择特定数据值代表该区间的数据。pandas的cut函数实现数据离散化操作。
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’)
参数：
x：表示要分箱的数组，必须是一维的。
bins：int或序列类型的数据。int类型的值表示在x范围内的等宽单元的数量（划分为多少个等间距区间）；序列表示将x划分在指定的序列中，若不在此序列中，则为NaN。
right：是否包含右端点，默认True。
labels：用于生成区间的标签。
rebins：是否返回bins。
precision：精度，默认保留三位小数。
include_lowest：是否包含左端点，默认False。
返回值：Categorial对象，包含区间划分的数量和各区间范围。

（1）在要分箱的数组范围（(最小指，最大值]）内划分等间距区间

import pandas as pd
x = [30, 90, 0, 70, 100]
pd.cut(x, 5)

（2）把要分箱的数组划分在