Python中的 Pandas.cut() 方法

Pandas是一个非常强大的数据处理库，它提供了许多用于数据分析和操作的方法。其中一个重要方法是cut()，它可以用于将连续的数据变成离散的数据。

案例介绍

假设你有一个销售数据表，其中包含了不同产品的销售额信息。你想将这些销售额分成几个不同的区间，并为每个区间创建一个标签。

| 产品 | 销售额 | | ------ | ------ | | 产品A | 120 | | 产品B | 250 | | 产品C | 80 | | 产品D | 150 | | 产品E | 300 |

你可以使用cut()方法将销售额数据分成三个区间：低，中和高，并为每个区间创建一个标签。

方法语法

pandas.cut(x, bins, labels=None, ...)

参数解释：

• x：要分割的数据。
• bins：一个标量、序列或间隔的整数，用于定义分割的区间。
• labels：用于每个区间的标签。

返回值：返回一个包含每个数据在bin中所属区间的Categorical对象。

使用示例

import pandas as pd

df = pd.DataFrame({
    '产品': ['产品A', '产品B', '产品C', '产品D', '产品E'],
    '销售额': [120, 250, 80, 150, 300]
})

bins = [0, 100, 200, 400]
labels = ['低', '中', '高']

df['销售额区间'] = pd.cut(df['销售额'], bins=bins, labels=labels)

print(df)

运行上面的代码，将得到以下输出：

| 产品 | 销售额 | 销售额区间 | | ------ | ------ | ---------- | | 产品A | 120 | 中 | | 产品B | 250 | 高 | | 产品C | 80 | 低 | | 产品D | 150 | 中 | | 产品E | 300 | 高 |

在上面的示例中，我们定义了三个区间（0-100，100-200，200-400），并为每个区间定义了对应的标签（低、中、高）。cut()方法将销售额数据根据这些区间进行了分类，并将结果保存在一个新的列销售额区间中。

使用cut()方法可以方便地将连续的数据处理成离散的数据，从而更好地进行数据分析和统计。

这就是Python中的Pandas.cut()方法的介绍。希望对你的数据处理工作有所帮助！