Python 自定义分箱

sx_apply_info_0427=pd.read_excel(r'E:\lll\202004\sx_info.xlsx')
fx_variable=pd.read_excel(r'E:\lll\202004\fx_variable.xlsx')#获取分箱列表
variable=fx_variable['var'].drop_duplicates().values.tolist()#对变量去重
'''
cut_box=[1,3,5,10]
x<1 返回1
x<3 返回3
不包含下限
'''
for var in variable:
    cut_box=list(fx_variable[fx_variable['var']==var]['下限'])
    def func_(x):
        num_groups =len(cut_box)       
        if x< cut_box[1]: 
            return cut_box[0]
        for i in range(1,num_groups):
            if cut_box[i-1] <= x < cut_box[i]:
                return cut_box[i-1]     
        return cut_box[num_groups-1]   
    sx_info[var]=sx_info[var].apply(func_,)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python,可以使用lambda函数进行分箱操作。lambda函数是一种匿名函数,可以在一行代码定义和使用函数。使用lambda函数进行分箱的一种常见方法是使用pandas的qcut()函数。在较新版本的Python,pandas.qcut()函数提供了一个duplicates参数,可以解决等频分箱遇到重复值过多引起报错的问题。 另外,函数本身就相当于一个集装箱,它把之前编写的代码装进去,并提供参数和返回值。在定义函数时,可以通过lambda函数来创建简单的函数。对于分箱操作,可以使用lambda函数来指定分箱的逻辑和条件。 以下是一个使用lambda函数进行分箱的示例代码: ```python import pandas as pd # 定义lambda函数来指定分箱的逻辑 pct_rank_qcut = lambda series, n: pd.qcut(series, n, duplicates='drop') # 使用lambda函数进行分箱 data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] result = pct_rank_qcut(data, 3) print(result) ``` 在这个示例,我们定义了一个lambda函数pct_rank_qcut,它接受一个series和一个n作为参数,并使用pandas的qcut函数进行分箱操作。我们将数据[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]分成3个箱子,并打印结果。请注意,我们在调用qcut函数时指定了duplicates参数为'drop',以处理重复值过多的情况。 希望这个例子能帮助您理解如何使用lambda函数进行分箱操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [python分箱_python 分箱_python等宽分箱 - 云+社区 - 腾讯云](https://blog.csdn.net/weixin_39818521/article/details/110369858)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *3* [基于python 等频分箱qcut问题的解决](https://download.csdn.net/download/weixin_38631389/13736342)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值