pandas - qcut()和cut()区别

cut()

定义：cut返回 x 中的每一个数据在bins中对应的范围。根据值本身来选择箱子均匀间隔，即每个箱子的间距都是相同的。

语法：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)

参数：

• x ： 必须是一维数据
• bins： 不同面元（不同范围）类型:整数，序列如数组, 和IntervalIndex
• right： 最后一个bins是否包含最右边的数据，默认为True
• precision：精度 默认保留三位小数
• retbins： 即return bins 是否返回每一个bins的范围 默认为False

例子：实现成绩的优良差统计

import numpy as np
import pandas as pd

scores = np.random.uniform(0,100,size=30).astype('int')
# 指定分箱的区间
grades = [0,59,70,85,100]
boxs = pd.cut(scores,grades)
boxs.value_counts()
#output:
(0, 59]      16
(59, 70]      1
(70, 85]      5
(85, 100]     8
dtype: int64

# 传入label来自定义箱名
group_names = ['不及格','及格','良','优秀']
boxs= pd.cut(scores,grades,labels=group_names)
boxs.value_counts()
#output:
不及格    16
及格      1
良     	  5
优秀      8
dtype: int64

# 将成绩均匀的分在四个箱子中，precision=2的选项将精度控制在两位
boxs = pd.cut(scores,4,precision=2)
boxs.value_counts()
#output:
(2.91, 26.5]     6
(26.5, 50.0]     6
(50.0, 73.5]     5
(73.5, 97.0]    13
dtype: int64

qcut()

定义：qcut是根据这些值的频率来选择箱子的均匀间隔，每个箱子中含有的数的数量是相同的。

语法：

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

参数：

• x: 是数据ndarray或Series
• q：整数或分位数数组；定义区间分割方法
  分位数10为十分位数，4为四分位数等。或分位数组，如四分位数 [0, 0.25, 0.5, 0.75, 1] 分成两半[0, 0.5, 1]

例子：将成绩平均分为四份/按照四分位对成绩划分

scores = np.random.uniform(0,100,size=40).astype('int')

# 平分四组数
boxs = pd.qcut(scores,4)
boxs.value_counts()
#output:
(0.999, 23.75]    10
(23.75, 55.0]     10
(55.0, 76.5]      10
(76.5, 99.0]      10
dtype: int64

# 设定label
boxs = pd.qcut(scores,4,labels=['s1','s2','s3','s4'])
boxs.value_counts()
#output:
s1    10
s2    10
s3    10
s4    10
dtype: int64

# 设定等分位分箱
boxs = pd.qcut(scores,[0, 0.1, 0.2, 0.3, 1])
boxs.value_counts()
# output:
(0.999, 13.8]     4
(13.8, 22.6]      4
(22.6, 30.6]      4
(30.6, 99.0]     28
dtype: int64

#输出元祖
boxs = pd.qcut(scores,[0, 0.1, 0.2, 0.3, 1],labels=['s1','s2','s3','s4'],retbins=True)
boxs[0].value_counts()
#output:
s1     4
s2     4
s3     4
s4    28
dtype: int64