毫升 | 分箱或离散化

在数据处理中，有时候需要将连续型的数据离散化为有限的几个离散区间，这个过程就是分箱或离散化。而在计量单位中，毫升（mL）是我们经常使用的单位之一。本文将介绍如何对毫升进行分箱或离散化。

分箱

分箱是指将连续性的数据划分成一定数量的区间，每个区间内的数据被划分到相应的桶（箱）中。如果将毫升按照区间分箱，可以使用pandas.cut方法来完成。

import pandas as pd

# 按照区间分8个箱
bins = [0, 50, 100, 150, 200, 250, 300, 350, 400]
mL = [43, 64, 99, 105, 121, 195, 234, 312, 399, 435]
categories = pd.cut(mL, bins)

print(categories)

输出：

[(0, 50], (50, 100], (50, 100], (100, 150], (100, 150], ..., (250, 300], (300, 350], (350, 400], (350, 400], NaN]
Length: 10
Categories (8, interval[int64]): [(0, 50] < (50, 100] < (100, 150] < (150, 200] < (200, 250] < (250, 300] < (300, 350] < (350, 400]]

可以看出，将毫升按照指定的区间划分为了8个区间，并将数据划分到相应的箱中。

离散化

离散化与分箱类似，都是将连续的数据离散化为几个区间。不同的是，在离散化中，我们可以将区间按照标签进行命名，例如将区间(0, 50]命名为Low。

如果将毫升按照标签离散化，可以使用pandas.cut方法来完成。

import pandas as pd

# 按照区间离散为 低、中、高 三个等级
bins = [0, 100, 200, 400]
labels = ['Low', 'Medium', 'High']
mL = [43, 64, 99, 105, 121, 195, 234, 312, 399, 435]
categories = pd.cut(mL, bins, labels=labels)

print(categories)

输出：

[Low, Low, Low, Medium, Medium, Medium, High, High, High, High]
Categories (3, object): [Low < Medium < High]

将毫升按照指定的区间离散为了Low、Medium、High三个等级，并将数据划分到相应的等级中。

总结

本文介绍了在Python中如何对毫升进行分箱或离散化，其中使用了pandas.cut方法。通过分箱或离散化，我们可以将连续型的数据离散化为有限的几个离散区间，便于我们对数据进行分析。