python pd.cut,

　　本文主要介绍python使用pd.cut()和pd.qcut()对数据进行分箱。通过示例代码详细介绍，对大家的学习或工作有一定的参考价值。让我们和边肖一起学习。

　　00-1010 1.Cut()可以实现类似成绩优秀统计的功能。让我们看看代码示例。2.qcut()可以生成指定数量的盒子，然后使每个盒子的数据量相同。

目录

　　如果我们有一组学生的成绩，我们需要把他们分为不及格(0-59)，及格(60-70)，良好(71-85)，优秀(86-100)。此时可以使用cut()。

　　将numpy作为np导入

　　进口熊猫作为pd

　　#我们先传30个从0到100的随机数到分数。

　　分数=np.random.uniform(0，100，大小=30)

　　#然后使用np.round()函数控制数据精度

　　分数=np.round(分数，1)

　　#指定框的间隔。

　　等级=[0，59，70，85，100]

　　cuts=pd.cut(分数，等级)

　　打印( nscores: )

　　打印(分数)

　　打印( ncuts: )

　　打印(剪切)

　　#我们还可以算出每个盒子里有多少数据

　　打印( ncats.value_counts: )

　　打印(pd.value_counts(cuts))

　　======output:======

　　分数：

　　[ 6.50.8 80.2 22.1 60.1 75.1 30.8 50.8 81.6 17.4 13.4 24.3 67.3 84.4

　　63.4 21.3 17.2 3.7 40.1 12.4 15.7 23.1 67.4 94.8 72.6 12.8 81.82.

　　70.2 54.1]

　　切割：

　　[(0, 59], (0, 59], (70, 85], (0, 59], (59, 70], (0, 59], (70, 85], (70, 85], (70, 85], (0, 59]]

　　长度： 30

　　Categories (4，interval[int64]): [(0，59)(59，70)(70，85)(85，100])

　　cuts.value_counts:

　　(0, 59] 17

　　(70, 85] 8

　　(59, 70] 4

　　(85, 100] 1

　　dtype: int64

　　默认情况下，cat()的音程划分是左开右闭。你可以通过right=False来改变哪边是封闭的。

　　代码示例：

　　cuts=pd.cut(分数，等级，右=假)

　　您也可以通过向labels选项传递一个列表或数组来传递自定义框名。

　　代码示例：

　　Group_names=[失败，通过，良好，优秀]

　　cuts=pd.cut(分数、等级、标签=group_names)

　　当我们不需要自己定义区间时，就需要根据数据中的最大值和最小值来计算等长的盒子。

　　代码示例：

　　#将分数平均分在四个方框中，precision=2选项会将精度控制在两位数。

　　cuts=pd.cut(分数，4，精度=2)

1.cut()可以实现类似于对成绩进行优良统计的功能，来看代码示例。

　　代码示例：

　　将numpy作为np导入

　　进口熊猫作为pd

　　#正态分布

　　data=np.random.randn(100)

　　#分成四个盒子

　　cuts=pd.qcut(data，4)

　　打印( ncuts: )

　　打印(剪切)

　　打印( ncuts.value_counts: )

　　打印(pd.value_counts(cuts))

　　======output:======

　　切割：

　　[(-0.745, -0.0723], (0.889, 2.834], (-0.745, -0.0723], (0.889, 2.834], (0.889, 2.834], (-0.745, -0.0723], (-0.0723, 0.889], (-3.1599999999999997, -0.745], (-0.745, -0.0723], (-0.0723, 0.889]]

　　长度： 100

　　类别(4，区间[float 64]):[(-3.159999999999997，-0.745] (-0.745，-0.0723)(-0.0723，0.889]

　　(0.889, 2.834]]

　　cuts.value_counts:

　　(0.889, 2.834] 25

　　(-0.0723, 0.889] 25

　　(-0.745, -0.0723] 25

　　(-3.1599999999999997, -0.745] 25

　　dtype: int64

　　关于python用pd.cut()和pd.qcut()对数据进行宁滨操作的这篇文章到此为止。关于python pd.cut()和pd.qcut()的宁滨操作的更多信息，请搜索热门IT软件开发工作室之前的文章或者继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。