Pandas分箱/离散化cut()与qcut()的区别

Pandas提供了智能剪贴功能：pd.cut()与pd.qcut()，它们通常用于更方便直观地处理关系型或标签型数据，将数据进行分箱/离散化

1、pd.cut()

我们可以通过两种方式使用cut()函数：直接指定bin的数量，让Pandas为我们计算等大小的bin，或者我们可以按照自己的意愿手动指定bin的边缘

在cut()函数中，bin边缘的间距大小是相等的，每个bin或箱中的元素数量不均匀。例如，如果对年龄进行分箱，0-1岁是婴儿，1-12岁是孩子，12-18岁是青少年，18-60岁是成年人，60岁以上是老年人。所以我们可以设置：

bins=[0, 1, 12, 18, 60, 140]
labels=['infant', 'kid', 'teenager', 'grownup', 'senior citizen']

cut()的API如下：

pd.cut(x,bins,right,labels,retbins,precision,include_lowest,duplicates,ordered)

其参数及说明如下：

• x：需要进行分箱的数据，1D数组或系列类型，如果数据存在NaN则报错
• bins：分箱的边界，如果是单个整数，则表示基于数据中的最小值和最大值生成等间距间隔；也可以是自定义边界值的列表或数组
• right：是否包含最右边的数值，默认为True（右闭）
• labels：分箱的标签，长度保持与分箱数一致
• retbins：是否显示分箱的边界值，默认为False。当bins为整数时设置True可以显示边界值
• precision：分箱边界的精度，默认3位小数
• include_lowest：是否包含最左边的数值，默认为False（左开）
• duplicates：默认为raise，如果分箱的边界不唯一，则引发ValueError；指定drop则去重
• ordered：标签是否有序，默认为True，分类结果将被排序

以下是一个使用示例：

import pandas as pd
import numpy as np

# 数据准备
years = [2024, 2023,<