python数据分类_在python中将数据分类为具有相同间隔大小的n类别

假设我想将以下数据分类为12类：

no. grades

0 9.08

1 8.31

2 7.42

3 7.42

4 7.42

5 7.46

6 9.67

7 11.77

8 8.81

9 6.44

10 9.40

11 9.06

12 10.52

13 6.19

14 5.04

15 5.04

16 9.44

17 5.87

18 2.67

19 6.99

20 9.08

21 6.64

22 4.83

23 4.47

24 6.61

25 6.61

26 7.42

27 6.42

28 10.00

29 9.11

可以这样做：

df.a[df.a <= 1 and df.a>0] = 1

df.a[df.a <= 2 and df.a>1] = 2

.

.

.

df.a[df.a <= 12 and df.a>11] = 12

有没有其他方法可以将项目分类为具有恒定和相等间隔的类别？

P.S：

我的数据在这里,我想对其成绩列进行分类：

psechoice hscath grades faminc famsiz parcoll female black

0 1 0 9.08 62.50 5 0 0 0

1 1 0 8.31 42.50 4 0 1 0

2 1 0 7.42 62.50 4 0 1 0

3 1 0 7.42 62.50 4 0 1 0

4 1 0 7.42 62.50 4 0 1 0

5 1 0 7.46 12.50 2 0 1 0

6 1 0 9.67 30.00 5 0 0 0

7 0 0 11.77 42.50 4 0 0 0

8 1 0 8.81 17.50 3 0 1 0

9 1 0 6.44 42.50 6 0 0 0

10 1 0 9.40 30.00 5 1 0 0

11 1 0 9.06 62.50 6 0 0 0

12 0 0 10.52 62.50 3 0 0 0

13 1 0 6.19 62.50 2 0 1 0

14 1 0 5.04 42.50 6 0 1 0

15 1 0 5.04 42.50 6 0 1 0

16 0 0 9.44 22.50 2 0 1 0

17 1 1 5.87 87.50 5 1 0 0

18 1 1 2.67 62.50 4 0 0 0

19 1 1 6.99 42.50 5 0 0 0

20 1 1 9.08 150.00 4 1 1 0

21 1 0 6.64 42.50 9 0 1 0

22 1 1 4.83 0.50 4 1 0 0

23 1 1 4.47 62.50 3 0 1 0

24 1 1 6.61 87.50 6 1 0 0

25 1 1 6.61 87.50 6 1 0 0

26 1 1 7.42 42.50 4 1 0 0

27 1 1 6.42 87.50 5 1 0 0

28 1 0 10.00 8.75 4 1 1 0

29 1 0 9.11 22.50 3 0 0 1

解决方法:

您可以使用pd.cut为类别分配值：

import pandas as pd

df = pd.DataFrame(

{'grades': [9.08, 8.31, 7.42, 7.42, 7.42, 7.46, 9.67, 11.77,

8.81, 6.44, 9.40, 9.06, 10.52, 6.19, 5.04, 5.04, 9.44, 5.87,

2.67, 6.99, 9.08, 6.64, 4.83, 4.47, 6.61, 6.61, 7.42, 6.42,

10.0, 9.11],

'no.': range(30)})

df['category'] = pd.cut(df['grades'], bins=range(0, 13), labels=range(1, 13))

print(df)

产量

grades no. category

0 9.08 0 10

1 8.31 1 9

2 7.42 2 8

3 7.42 3 8

4 7.42 4 8

5 7.46 5 8

6 9.67 6 10

7 11.77 7 12

...

使用pd.cut(…,bins = range(0,13)),类别是

[(0, 1] < (1, 2] < (2, 3] < (3, 4] ... (8, 9] < (9, 10] < (10, 11] < (11, 12]]

请注意,间隔在左侧打开,在右侧打开.

标签：statsmodels,python,pandas

来源： https://codeday.me/bug/20190829/1758739.html