pandas数据划分区间

用pandas将数据划分区间

在数据分析的过程中，经常会遇到：年龄，收入，价格以及类似的数据，在数据分析前，需要将这些数据划分到一系列区间中，再将区间进行不同的编码，对编码后的数据进行分析。

在pandas中可以使用pandas.cut()方法实现对数据的区间划分，以及对区间进行标记。

案例数据

• 以name,age,score为例，使用pandas.cut()方法对age、score进行区间划分。

import pandas as pd
import numpy as np

df = pd.DataFrame(data={
   
    "name":["A","B","C","D","E","F","G","H","I","J"],
    "age":[23,26,37,46,85,12,53,80,66,32],
    "score":[13,23,22,76,56,89,99,100,10,54],
})

数据形式展示：

	name	age	score
0	A	23	13
1	B	26	23
2	C	37	22
3	D	46	76
4	E	85	56
5	F	12	89
6	G	53	99
7	H	80	100
8	I	66	10
9	J	32	54

pandas.cut()介绍

用来将数据划分为不同的区间

• x：array型数据（DataFrame的每一列数据都是array型数据）
• bins：传入int型数据，表示划分的区间个数，传入list型数据，表示自定义的区间
• labels：传入与bins对应区间的标签list型数据（默认为None）
• retbins：True表示返回划分的区间，False表示不返回划分的区间（默认为False）
• right：True表示左开右闭，False表示左闭右开（默认为True）

返回数据：

• x对应所在的区间，array类型
• retbins为True时，还会返回划分区间

一、自动划分区间

例如：bins=3,right=True,pandas会将数据划分为3个区间,划分方法,
(max-(max-min)/bins,max]>(60.667,85]
(max-(max-min)/bins*2,max-(max-min)/bins]>(36.333.60.667]
(max-(max-min)/bins*3,max-(max-min)/bins*2]==>(11.927, 36.333]

a,b = pd.cut(x=df["age"],bins=3,right=True,retbins=True)

# a,bins传入的是int类型，自动生成的区间
0    (11.927, 36.333]
1    (11.927, 36.333]
2    (36.333, 60.667]
3    (36.333,