用途

pandas.cut用來把一組數(shù)據(jù)分割成離散的區(qū)間。比如有一組年齡數(shù)據(jù)，可以使用pandas.cut將年齡數(shù)據(jù)分割成不同的年齡段并打上標簽。

原型

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise') #0.23.4

參數(shù)含義

x：被切分的類數(shù)組（array-like）數(shù)據(jù)，必須是1維的（不能用DataFrame）；

bins：bins是被切割后的區(qū)間（或者叫“桶”、“箱”、“面元”），有3中形式：一個int型的標量、標量序列（數(shù)組）或者pandas.IntervalIndex 。

一個int型的標量

 當bins為一個int型的標量時，代表將x平分成bins份。x的范圍在每側(cè)擴展0.1%，以包括x的最大值和最小值。

標量序列

 標量序列定義了被分割后每一個bin的區(qū)間邊緣，此時x沒有擴展。

pandas.IntervalIndex

定義要使用的精確區(qū)間。

right：bool型參數(shù)，默認為True，表示是否包含區(qū)間右部。比如如果bins=[1,2,3]，right=True，則區(qū)間為(1,2]，(2,3]；right=False，則區(qū)間為(1,2),(2,3)。

labels：給分割后的bins打標簽，比如把年齡x分割成年齡段bins后，可以給年齡段打上諸如青年、中年的標簽。labels的長度必須和劃分后的區(qū)間長度相等，比如bins=[1,2,3]，劃分后有2個區(qū)間(1,2]，(2,3]，則labels的長度必須為2。如果指定

labels=False，則返回x中的數(shù)據(jù)在第幾個bin中（從0開始）。

retbins：bool型的參數(shù)，表示是否將分割后的bins返回，當bins為一個int型的標量時比較有用，這樣可以得到劃分后的區(qū)間，默認為False。

precision：保留區(qū)間小數(shù)點的位數(shù)，默認為3.

include_lowest：bool型的參數(shù)，表示區(qū)間的左邊是開還是閉的，默認為false，也就是不包含區(qū)間左部（閉）。

duplicates：是否允許重復區(qū)間。有兩種選擇：raise：不允許，drop：允許。

返回值

out：一個pandas.Categorical, Series或者ndarray類型的值，代表分區(qū)后x中的每個值在哪個bin（區(qū)間）中，如果指定了labels，則返回對應的label。

bins：分隔后的區(qū)間，當指定retbins為True時返回。

例子

這里拿給年齡分組當做例子。

import numpy as np
import pandas as pd

ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡數(shù)據(jù)

將ages平分成5個區(qū)間

ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) 
pd.cut(ages, 5)

輸出：

[(0.901, 20.8], (0.901, 20.8], (0.901, 20.8], (20.8, 40.6], (20.8, 40.6], ..., (0.901, 20.8], (0.901, 20.8], (20.8, 40.6], (20.8, 40.6], (20.8, 40.6]]
Length: 16
Categories (5, interval[float64]): [(0.901, 20.8] < (20.8, 40.6] < (40.6, 60.4] < (60.4, 80.2] < (80.2, 100.0]]

可以看到ages被平分成5個區(qū)間，且區(qū)間兩邊都有擴展以包含最大值和最小值。

將ages平分成5個區(qū)間并指定labels

ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡數(shù)據(jù)
pd.cut(ages, 5, labels=[u"嬰兒",u"青年",u"中年",u"壯年",u"老年"])

輸出：

[嬰兒, 嬰兒, 嬰兒, 青年, 青年, ..., 嬰兒, 嬰兒, 青年, 青年, 青年]
Length: 16
Categories (5, object): [嬰兒 < 青年 < 中年 < 壯年 < 老年]

給ages指定區(qū)間進行分割

ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡數(shù)據(jù)
pd.cut(ages, [0,5,20,30,50,100], labels=[u"嬰兒",u"青年",u"中年",u"壯年",u"老年"])

輸出：

[嬰兒, 嬰兒, 青年, 壯年, 壯年, ..., 青年, 青年, 中年, 中年, 壯年]
Length: 16
Categories (5, object): [嬰兒 < 青年 < 中年 < 壯年 < 老年]

這里不再平分ages，而是將ages分為了5個區(qū)間(0, 5],(5, 20],(20, 30],(30,50],(50,100].

返回分割后的bins

令retbins=True即可

ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡數(shù)據(jù)
pd.cut(ages, [0,5,20,30,50,100], labels=[u"嬰兒",u"青年",u"中年",u"壯年",u"老年"],retbins=True)

輸出：

([嬰兒, 嬰兒, 青年, 壯年, 壯年, ..., 青年, 青年, 中年, 中年, 壯年]
 Length: 16
 Categories (5, object): [嬰兒 < 青年 < 中年 < 壯年 < 老年],
 array([  0,   5,  20,  30,  50, 100]))

只返回x中的數(shù)據(jù)在哪個bin

令labels=False即可

ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡數(shù)據(jù)
pd.cut(ages, [0,5,20,30,50,100], labels=False)

輸出：

array([0, 0, 1, 3, 3, 1, 4, 4, 4, 4, 4, 1, 1, 2, 2, 3], dtype=int64)

第一個0表示1在第0個bin中。

參考

1.https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.cut.html

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論