在 pandas 数据框中划分列值 - Python

在 Pandas 中，我们可以通过划分列值的方式对数据框进行操作。本文将介绍如何使用 Pandas 中的 cut 函数和 qcut 函数对列值进行划分。

cut 函数

cut 函数可以将一列数值型数据按照指定的区间进行划分，得到一个新的分类变量。其语法格式如下：

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

参数说明：

• x：需要划分的数值型数据。
• bins：划分区间，可以传入整数、浮点数、列表或者 Pandas IntervalIndex 对象。其中，整数表示把整个数据集划分为 n 个等宽的区间，浮点数表示指定每个区间的宽度，列表表示自定义区间，Pandas IntervalIndex 对象表示划分为特定的区间。
• right：是否包含右端点。True 表示包含，False 表示不包含。
• labels：给区间打标签。可以传入列表，长度等于区间的个数。
• retbins：是否返回划分后的区间。True 表示返回，False 表示不返回。
• precision：区间端点的精度。
• include_lowest：是否包含左端点。
• duplicates：处理区间重叠的方式。raise 表示抛出异常，drop 表示移除重叠区间，其他表示保留其中一个。

示例：

import pandas as pd

data = {'age': [20, 30, 25, 35, 40, 50, 45, 55, 60]}
df = pd.DataFrame(data)

# 把数据划分为等宽的 3 个区间
df['age_cut'] = pd.cut(df['age'], bins=3)

# 打印结果
print(df)

输出结果：

   age         age_cut
0   20  (19.954, 33.333]
1   30  (19.954, 33.333]
2   25  (19.954, 33.333]
3   35    (33.333, 46.7]
4   40    (33.333, 46.7]
5   50    (46.7, 60.067]
6   45    (33.333, 46.7]
7   55    (46.7, 60.067]
8   60    (46.7, 60.067]

从结果可以看到，我们成功地把数据划分为了 3 个区间，并给每个区间打上了标签。

qcut 函数

qcut 函数可以将一列数值型数据按照指定的分位数进行划分，得到一个新的分类变量。其语法格式如下：

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

参数说明：

• x：需要划分的数值型数据。
• q：划分的分位数，可以传入整数、浮点数或者序列。其中，整数表示按照等间距的分位数进行划分，浮点数表示指定每个分位数的值，序列表示自定义分位数。
• labels：给分位数打标签。可以传入列表，长度等于分位数的个数。
• retbins：是否返回划分后的分位数。True 表示返回，False 表示不返回。
• precision：分位数的精度。
• duplicates：处理分位数重复的方式。raise 表示抛出异常，drop 表示移除重复分位数，其他表示保留其中一个。

示例：

import pandas as pd

data = {'score': [80, 90, 70, 85, 95, 75, 60, 65, 55, 100]}
df = pd.DataFrame(data)

# 把数据划分为四分位数
df['score_qcut'] = pd.qcut(df['score'], q=4, labels=['D', 'C', 'B', 'A'])

# 打印结果
print(df)

输出结果：

   score score_qcut
0     80          C
1     90          A
2     70          D
3     85          B
4     95          A
5     75          C
6     60          D
7     65          D
8     55          D
9    100          A

从结果可以看到，我们成功地把数据划分为了四个分位数，并给每个分位数打上了标签。

总结：使用 cut 函数和 qcut 函数可以方便地对列值进行划分，得到新的分类变量，便于后续的数据分析和建模。