Python堆栈溢出中的qcut和cut函数

在Python编程过程中，您可能需要对数据进行离散化或切分。这时候，qcut和cut函数会变得很有用。本文将介绍它们。

cut函数

cut函数用于将一个连续的数值型变量，根据某个阈值分成若干等级。例如，我们有一个年龄变量，需要把它分成年轻、中年和老年三组。这时候，可以使用cut函数。

在cut函数中，我们需要传入两个参数：待切分的数据，和切分的阈值。例如，下面的代码把年龄分成了三组：

import pandas as pd

df = pd.read_csv('data.csv')

bins = [0, 18, 35, 60, 100]   # 0~18岁，18~35岁，35~60岁，60岁以上四个年龄段

df['age_group'] = pd.cut(df.age, bins, labels=['少年','青年','中年','老年'])

print(df)

上面的代码中，我们传入了一个包含年龄的DataFrame，并指定了一个bins变量，它包含了四个年龄段的分界点。然后，我们使用cut函数把年龄分成了这四个年龄段。最后，我们把切分后的结果放回DataFrame中，并加了一个列名为age_group。输出结果如下：

   id  age gender age_group
0   1   18      M        少年
1   2   22      F        青年
2   3   32      M        青年
3   4   51      F        中年
4   5   65      M        老年

qcut函数

qcut函数与cut函数类似，也是用来切分数据的。不同之处在于，qcut函数是根据数据的分布来切分的，在切分后，每个分组的样本数是相等的。

例如，我们有一个包含了100个数值的DataFrame，需要把它分成四份，每份包含25个数值，这时候就可以使用qcut函数。

在qcut函数中，我们需要传入两个参数：待切分的数据，和切分的数量。例如，下面的代码就把data分成了四份：

import pandas as pd

data = pd.DataFrame({'value': range(100)})

data['group'] = pd.qcut(data.value, 4, labels=['A', 'B', 'C', 'D'])

print(data)

在上面的代码中，我们使用了一个DataFrame，其中包含了0到99共100个数值。然后，我们使用qcut函数把这100个数值分成了四组，每组包含25个数值。最后，我们把切分后的结果放回DataFrame中，并加了一个列名为group。输出结果如下：

    value group
0       0     A
1       1     A
2       2     A
3       3     A
4       4     A
..    ...   ...
95     95     C
96     96     C
97     97     D
98     98     D
99     99     D

[100 rows x 2 columns]

总结

本文介绍了Python中的两个切分函数：cut和qcut。cut函数用于将一个连续的数值型变量，根据某个阈值分成若干等级，而qcut函数则是根据数据的分布来切分数据，切分后每个分组的样本数是相等的。在实际数据处理中，这两个函数都是很有用的。