用途
pandas.cut用来把一组数据分割成离散的区间。比如有一组年龄数据,可以使用pandas.cut将年龄数据分割成不同的年龄段并打上标签。
原型
1
|
pandas.cut(x, bins, right = True , labels = None , retbins = False , precision = 3 , include_lowest = False , duplicates = 'raise' ) #0.23.4
|
参数含义
x:被切分的类数组(array-like)数据,必须是1维的(不能用DataFrame);
bins:bins是被切割后的区间(或者叫“桶”、“箱”、“面元”),有3中形式:一个int型的标量、标量序列(数组)或者pandas.IntervalIndex 。
一个int型的标量
当bins为一个int型的标量时,代表将x平分成bins份。x的范围在每侧扩展0.1%,以包括x的最大值和最小值。
标量序列
标量序列定义了被分割后每一个bin的区间边缘,此时x没有扩展。
pandas.IntervalIndex
定义要使用的精确区间。
right:bool型参数,默认为True,表示是否包含区间右部。比如如果bins=[1,2,3],right=True,则区间为(1,2],(2,3];right=False,则区间为(1,2),(2,3)。
labels:给分割后的bins打标签,比如把年龄x分割成年龄段bins后,可以给年龄段打上诸如青年、中年的标签。labels的长度必须和划分后的区间长度相等,比如bins=[1,2,3],划分后有2个区间(1,2],(2,3],则labels的长度必须为2。如果指定
labels=False,则返回x中的数据在第几个bin中(从0开始)。
retbins:bool型的参数,表示是否将分割后的bins返回,当bins为一个int型的标量时比较有用,这样可以得到划分后的区间,默认为False。
precision:保留区间小数点的位数,默认为3.
include_lowest:bool型的参数,表示区间的左边是开还是闭的,默认为false,也就是不包含区间左部(闭)。
duplicates:是否允许重复区间。有两种选择:raise:不允许,drop:允许。
返回值
out:一个pandas.Categorical, Series或者ndarray类型的值,代表分区后x中的每个值在哪个bin(区间)中,如果指定了labels,则返回对应的label。
bins:分隔后的区间,当指定retbins为True时返回。
例子
这里拿给年龄分组当做例子。
1
2
3
4
|
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 ]) #年龄数据
|
将ages平分成5个区间
1
2
|
ages = np.array([ 1 , 5 , 10 , 40 , 36 , 12 , 58 , 62 , 77 , 89 , 100 , 18 , 20 , 25 , 30 , 32 ])
pd.cut(ages, 5 )
|
输出:
[(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个区间,且区间两边都有扩展以包含最大值和最小值。
将ages平分成5个区间并指定labels
1
2
|
ages = np.array([ 1 , 5 , 10 , 40 , 36 , 12 , 58 , 62 , 77 , 89 , 100 , 18 , 20 , 25 , 30 , 32 ]) #年龄数据
pd.cut(ages, 5 , labels = [u "婴儿" ,u "青年" ,u "中年" ,u "壮年" ,u "老年" ])
|
输出:
[婴儿, 婴儿, 婴儿, 青年, 青年, ..., 婴儿, 婴儿, 青年, 青年, 青年]
Length: 16
Categories (5, object): [婴儿 < 青年 < 中年 < 壮年 < 老年]
给ages指定区间进行分割
1
2
|
ages = np.array([ 1 , 5 , 10 , 40 , 36 , 12 , 58 , 62 , 77 , 89 , 100 , 18 , 20 , 25 , 30 , 32 ]) #年龄数据
pd.cut(ages, [ 0 , 5 , 20 , 30 , 50 , 100 ], labels = [u "婴儿" ,u "青年" ,u "中年" ,u "壮年" ,u "老年" ])
|
输出:
[婴儿, 婴儿, 青年, 壮年, 壮年, ..., 青年, 青年, 中年, 中年, 壮年]
Length: 16
Categories (5, object): [婴儿 < 青年 < 中年 < 壮年 < 老年]
这里不再平分ages,而是将ages分为了5个区间(0, 5],(5, 20],(20, 30],(30,50],(50,100].
返回分割后的bins
令retbins=True即可
1
2
|
ages = np.array([ 1 , 5 , 10 , 40 , 36 , 12 , 58 , 62 , 77 , 89 , 100 , 18 , 20 , 25 , 30 , 32 ]) #年龄数据
pd.cut(ages, [ 0 , 5 , 20 , 30 , 50 , 100 ], labels = [u "婴儿" ,u "青年" ,u "中年" ,u "壮年" ,u "老年" ],retbins = True )
|
输出:
([婴儿, 婴儿, 青年, 壮年, 壮年, ..., 青年, 青年, 中年, 中年, 壮年]
Length: 16
Categories (5, object): [婴儿 < 青年 < 中年 < 壮年 < 老年],
array([ 0, 5, 20, 30, 50, 100]))
只返回x中的数据在哪个bin
令labels=False即可
1
2
|
ages = np.array([ 1 , 5 , 10 , 40 , 36 , 12 , 58 , 62 , 77 , 89 , 100 , 18 , 20 , 25 , 30 , 32 ]) #年龄数据
pd.cut(ages, [ 0 , 5 , 20 , 30 , 50 , 100 ], labels = False )
|
输出:
array([0, 0, 1, 3, 3, 1, 4, 4, 4, 4, 4, 1, 1, 2, 2, 3], dtype=int64)
第一个0表示1在第0个bin中。
参考
1.https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.cut.html
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://www.cnblogs.com/sench/p/10128216.html