pandas.cut 以及 pandas.qcut 小结

pandas.cut 小结
    pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, 
            include_lowest=False, duplicates='raise')
    切割一维的数组，如连续的年龄segment成年龄段
    
    x:一维的数组
    bins：int，标量的序列，pandas的intervalindex
    right：Boolean默认是True，表示范围包含右边缘的值否
    labels：数组，bool，任意值，返回值的label
    retbins：返回bins与否，当bins是标量时无效
    precision：展示bins的数量
    include_lowest:分开的是左闭合区间与否
    duplicates:If bin edges are not unique, raise ValueError or drop non-uniques.
    
    示例：
    离散成三个平均的集和
    >>>pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3)
    >>>[(0.994, 3.0], (5.0, 7.0], (3.0, 5.0], (3.0, 5.0], (5.0, 7.0], (0.994, 3.0]]
        Categories (3, interval[float64]): [(0.994, 3.0] < (3.0, 5.0] < (5.0, 7.0]]
    
    >>>pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3, retbins=True)
    >>>([(0.994, 3.0], (5.0, 7.0], (3.0, 5.0], (3.0, 5.0], (5.0, 7.0], (0.994, 3.0]]
        Categories (3, interval[float64]): [(0.994, 3.0] < (3.0, 5.0] < (5.0, 7.0]], array([0.994, 3.   , 5.   , 7.   ]))
    
    这里有labels表示运算完成将数据返回的标签
    >>> pd.cut(np.array([1, 7, 5, 4, 6, 3]),3, labels=["bad", "medium", "good"])
    >>>[bad, good, medium, medium, good, bad]
        Categories (3, object): [bad < medium < good]
    
    如果labels的值为False，表示返回的值仅仅是原来的数字
    >>> pd.cut([0, 1, 1, 2], bins=4, labels=False)
    array([0, 1, 1, 3], dtype=int64)
        
    输入一个Series返回值仍然为Series
    >>> s = pd.Series(np.array([2, 4, 6, 8, 10]),index=['a', 'b', 'c', 'd', 'e'])
    >>> pd.cut(s,3)
    a    (1.992, 4.667]
    b    (1.992, 4.667]
    c    (4.667, 7.333]
    d     (7.333, 10.0]
    e     (7.333, 10.0]
    
    设置bins为[]
    >>> s = pd.Series(np.array([2, 4, 6, 8, 10]),index=['a', 'b', 'c', 'd', 'e'])
    >>> pd.cut(s, [0, 2, 4, 6, 8, 10], labels=False, retbins=True, right=False)
    (a    1.0
    b    2.0
    c    3.0
    d    4.0
    e    NaN
    dtype: float64, array([ 0,  2,  4,  6,  8, 10]))
    
    设置重复的duplicates等于drop删掉
    >>>pd.cut(s, [0, 2, 4, 6, 10, 10], labels=False, retbins=True,right=False, duplicates='drop')
    (a    1.0
    b    2.0
    c    3.0
    d    3.0
    e    NaN
    dtype: float64, array([ 0,  2,  4,  6, 10], dtype=int64))
    
    自己设定划分的bins为tuple
    >>> bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
    >>> pd.cut([0, 0.5, 1.5, 2.5, 4.5], bins)
    [NaN, (0, 1], NaN, (2, 3], (4, 5]]
    Categories (3, interval[int64]): [(0, 1] < (2, 3] < (4, 5]]
        
        
    pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')

　　>>>x 要进行分组的数据，数据类型为一维数组，或Series对象

　　>>>q 组数，即要将数据分成几组，后边举例说明

　　>>>labels 可以理解为组标签，这里注意标签个数要和组数相等

　　>>>retbins 默认为False,当为False时，返回值是Categorical类型（具有value_counts()方法），为True是返回值是元组