python qcut_python3连续数据的离散化 —— pandas.cut/qcut

简介

案例：一个班30名考生考英语，成绩出来后，需要对每一位考生评估不及格，几个，良好，优秀四个等级。例如小红考了95，该成绩落入(90, 100]这个区间，则评为优秀

所以，对数据进行等级划分，再延申做频率统计，可以使用pandas库中的 cut和qcut函数

区分

cut在划分区间时，按照绝对值

qcut在划分区间时，使用分位数

函数一

pd.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)x：需要离散化的数据

bins：如果是整数，则将数值范围分为bins份，最大值和最小值延申1%，保证包含x的最大/小值 如果是列表，则表示划分的各个区间的边界

right：right=True表示分组右边闭合，right=False表示分组左边闭合

labels：表示分组各个区间的标签，长度必须等于区间数、

include_lowest:布尔值，第一个区间的左端点是否包含

案例1

import pandas as pd

import numpy as np

​

a = [30, 60, 80, 85, 100]

​

bin = [0, 60, 80, 90, 100]

rank = pd.cut(a, bin)

print(rank)

print(pd.value_counts(rank))

type(rank)

结果输出

[(0, 60], (0, 60], (60, 80], (80, 90], (90, 100]]

Categories (4, interval[int64]): [(0, 60] < (60, 80] < (80, 90] < (90, 100]]

​

(0, 60] 2

(90, 100] 1

(80, 90] 1

(60, 80] 1

dtype: int64

​

pandas.core.arrays.categorical.Categorical

案例2

import pandas as pd

import numpy as np

​

a = pd.Series([30, 60, 80, 85, 100])

​

bin = [0, 60, 80, 90, 100]

rank = pd.cut(a, bin, label=['不及格', '及格', '良好', '优秀'])

rank

type(rank)

# 结果输出============================================

0 不及格

1 不及格

2 及格

3 良好

4 优秀

dtype: category

Categories (4, object): [不及格 < 及格 < 良好 < 优秀]

​

pandas.core.series.Series

函数二

pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplicates=’raise’)x: 要分组的数据

q: 整数，按分位数划分，会尽量保持落入每个区间的样本数量相同 分位数组成的数组

案例1

import pandas as pd

import numpy as np

​

a = pd.Series([30, 60, 80, 85, 100])

rank1 = pd.qcut(a, 3)

rank2 = pd.qcut(a, [0, 0.2, 0.3,1])

rank1

​

# 输出结果===================================

0 (29.999, 66.667]

1 (29.999, 66.667]

2 (66.667, 83.333]

3 (83.333, 100.0]

4 (83.333, 100.0]

dtype: category

Categories (3, interval[float64]): [(29.999, 66.667] < (66.667, 83.333] < (83.333, 100.0]]

​

0 (29.999, 54.0]

1 (54.0, 64.0]

2 (64.0, 100.0]

3 (64.0, 100.0]

4 (64.0, 100.0]

dtype: category

Categories (3, interval[float64]): [(29.999, 54.0] < (54.0, 64.0] < (64.0, 100.0]]