pandas的qcut可以把一組數(shù)字按大小區(qū)間進(jìn)行分區(qū),比如

data = pd.Series([0,8,1,5,3,7,2,6,10,4,9])

比如我要把這組數(shù)據(jù)分成兩部分,一半大的,一半小的,如果是小的數(shù),值就變成'small number',大的數(shù),值就變成'large number':

print(pd.qcut(data,[0,0.5,1],labels=['small number','large number']))

small numbers
  large numbers
  small numbers
  small numbers
  small numbers
  large numbers
  small numbers
  large numbers
  large numbers
  small numbers
  large numbers
dtype: category
Categories (2, object): [small numbers < large numbers]

qcut() 方法第一個參數(shù)是數(shù)據(jù),第二個參數(shù)定義區(qū)間的分割方法,比如這里把數(shù)字分成兩半,那就是 [0, 0.5, 1] 如果要分成4份,就是 [0, 0.25, 0.5, 0.75, 1] ,也可以不是均分,比如 [0, 0.1, 0.2, 0.3, 1] ,這就就會按照 1:1:1:7 進(jìn)行分布,比如:

data = pd.Series([0,8,1,5,3,7,2,6,10,4,9])
print(pd.qcut(data,[0, 0.1, 0.2, 0.3, 1],labels=['first 10%','second 10%','third 10%','70%']))

first 10%
      70%
   first 10%
      70%
   third 10%
      70%
  second 10%
      70%
      70%
      70%
     70%
dtype: category Categories 
(4, object): [first 10% < second 10% < third 10% < 70%]

當(dāng)然,這里因為數(shù)據(jù)里有11個數(shù),沒法剛好按照 1:1:1:7 分,所以 0和1,都被分到了 'first10%' 這一類.

qcut() 方法第二個參數(shù)是要替換的值,就是對應(yīng)區(qū)間的值應(yīng)該替換成什么值,順序和區(qū)間保持一致就好了,注意有幾個區(qū)間,就要給幾個值,不能多也不能少.

qcut與cut的主要區(qū)別：

qcut:傳入?yún)?shù)，要將數(shù)據(jù)分成多少組，即組的個數(shù)，具體的組距是由代碼計算

cut:傳入?yún)?shù)，是分組依據(jù)。具體見示例　　

1、qcut方法，參考鏈接：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.qcut.html

1).參數(shù)：pandas.qcut(x,q,labels=None,retbins=False,precision=3,duplicates='raise')

>>>x 要進(jìn)行分組的數(shù)據(jù)，數(shù)據(jù)類型為一維數(shù)組，或Series對象

>>>q 組數(shù)，即要將數(shù)據(jù)分成幾組，后邊舉例說明

>>>labels 可以理解為組標(biāo)簽，這里注意標(biāo)簽個數(shù)要和組數(shù)相等

>>>retbins 默認(rèn)為False,當(dāng)為False時，返回值是Categorical類型（具有value_counts()方法），為True是返回值是元組

2).舉例

2.cut方法，官網(wǎng)鏈接：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.cut.html

1).參數(shù)：pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3,include_lowest=False,duplicates='raise')

2).舉例

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

最新評論