学习笔记(09):Python数据清洗实战-数据离散化

立即学习:https://edu.csdn.net/course/play/26990/361136?utm_source=blogtoedu

数据离散化就是分箱

一般方法是等频或者等宽分箱

一般使用pd.cut或pd.qcut函数

pd.cut(x,bins,right = True,labels)

x:数据

bins:离散化的数目或者区间

labels：离散化后各个类别的标签

right：是否包含区间右边的值

df['Price_bin'] = pd.cut(df['Price_new'],5,labels = range(5))

df['Price_bin'].value_counts().plot(kind=bar)

#分类柱状图显示

或者，df['Price_bin'].hist()

w = [100,1000,5000,10000,20000,100000]

df['Price_bin'] = pd.cut(df['Price_new'],bins=w,labels=range(5))#自定义

等频分箱

k=5

w=[1.0*i/k for i in range(k+1)]

df["Price_bin"]=pd.qcut(df['Price_new',q=w,labels=range(5))