2021-04-30

字符串转为数字

final_df["xx"] = pd.factorize(final_df["xx"])[0].astype(int)

 

分箱报错

Qcut Pandas : ValueError: Bin edges must be unique

报错：
在使用qcut进行等频分箱时，报错**“Qcut Pandas : ValueError: Bin edges must be unique”

原因：
qcut按照等频方式分箱，且要求分位点处的取值唯一。当有多个元素有相同的分位点处取值时，就会报错

解决：
添加.rank(method=‘first’)，相同取值元素的rank不同

pd.qcut(df['a'], 10)         ## 修改前
pd.qcut(df['a'].rank(method='first'), 10)   ## 修改后
 

等宽分箱

pd.qcut()参数介绍
先看一下官方文档给出的函数作用：

基于分位数的离散化功能。 将变量离散化为基于等级或样本分位数的相等大小的存储桶。

再来看一下这个函数都包含有哪些参数，主要参数的含义与作用都是什么？

和pd.cut()相比，pd.qcut()的参数少了两个，少了right和include_lowest两个参数，剩下的参数几乎和pd.cut()一模一样了。

pd.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')

x ：一维数组或者Serise

q ： 表示分位数的整数或者数组，

如果是分位数的整数，例如10用于十分位，4用于四分位
如果是分位数数组，例如[0,0.25,0.5,0.75,1]用于四分位数
labels ： 数组或者布尔值，默认为none，用于指定每个箱体的标签

如果是数组，长度要与分箱个数一致，比如用四分位数分箱，需要指定四个标签
如果为False，则仅返回分箱的整数指示符，即当前数据位于哪个箱子中
rebines ：布尔值，可选。 是否显示分箱的分界值。（由于是按照分位数进行分箱，在不知道分位数具体数值的情况下，可以通过这个参数设置显示分界值即分位数的具体数值）

precision：整数，默认3，存储和显示分箱标签的精度。

duplicates：如果分箱临界值不唯一，则引发ValueError或丢弃非唯一

pd.qcut()的参数就是这些了，并不是所有的参数都常用，下边我们通过代码示例来看一下常用参数的应用。
例子

pd.qcut(df_f.积分,4,labels=["低","中","高","很高"])

 

分箱报错

Bin labels must be one fewer than the number of bin edges

看是不是后面的标签给多了或者少了。。。

 

报错

AttributeError: module 'sklearn.metrics' has no attribute 'calinski_harabaz_score'

升级sklearn