Pandas DataFrame.cut()介绍

简介

DataFrame.cut()是Pandas库中的一个函数，用于将一组连续的数值数据按照一定的规则进行离散化处理。这样的操作通常用于将连续型数据转化为离散化的分类数据，以方便统计和分析。

用法

定义一组数值数据

import pandas as pd
import numpy as np

data = pd.DataFrame({'age': np.random.randint(0, 100, 20)})
print(data)

输出结果：

    age
0    64
1    24
2    56
3    33
4    21
5    67
6    30
7     1
8    49
9    81
10   40
11    7
12   27
13    2
14   76
15   79
16   22
17   83
18   16
19   42

按照等间距对数据进行离散化处理

bins = [0, 20, 40, 60, 80, 100]
cats = pd.cut(data['age'], bins)
print(cats)

输出结果：

0      (60, 80]
1      (20, 40]
2      (40, 60]
3      (20, 40]
4       (0, 20]
5      (60, 80]
6      (20, 40]
7       (0, 20]
8      (40, 60]
9     (80, 100]
10     (20, 40]
11      (0, 20]
12     (20, 40]
13      (0, 20]
14    (60, 80]
15    (60, 80]
16     (20, 40]
17    (80, 100]
18      (0, 20]
19     (40, 60]
Name: age, dtype: category
Categories (5, interval[int64]): [(0, 20] < (20, 40] < (40, 60] < (60, 80] < (80, 100]]

指定标签对数据进行离散化处理

bins = [0, 40, 100]
group_names = ['young', 'old']
cats = pd.cut(data['age'], bins, labels=group_names)
print(cats)

输出结果：

0       old
1     young
2       old
3     young
4     young
5       old
6     young
7     young
8       old
9       old
10    young
11    young
12    young
13    young
14      old
15      old
16    young
17      old
18    young
19      old
Name: age, dtype: category
Categories (2, object): ['young' < 'old']

参数

bins

bins参数指定了数据分组的间隔范围，可以是一个整数、一个序列或一个间隔数值切片。

• 整数：将数据分为指定数量的等宽区间。
• 序列：将数据分为序列中每个元素指定的区间。
• 间隔数值切片：与序列类似，但是指定的是每个区间的独立边缘。

labels

labels参数指定了数据分组后每个组的标签，可以是任意序列。

返回值

Pandas DataFrame.cut()函数返回一个Series类型的数据，其中每个元素是一个元组，包含了该元素的所属组的上限值和下限值。