使用pandas实现连续数据的离散化处理方式(分箱操作)

2023-08-08 10:45:04 59

Python实现连续数据的离散化处理主要基于两个函数，pandas.cut和pandas.qcut，前者根据指定分界点对连续数据进行分箱处理，后者则可以根据指定箱子的数量对连续数据进行等宽分箱处理，所谓等宽指的是每个箱子中的数据量是相同的。

下面简单介绍一下这两个函数的用法：

#导入pandas包
importpandasaspd
ages=[20,22,25,27,21,23,37,31,61,45,41,32]#待分箱数据
bins=[18,25,35,60,100]#指定箱子的分界点

pandas.cut函数：

cats1=pd.cut(ages,bins)
cats1

cats1结果：

[(18,25],(18,25],(18,25],(25,35],(18,25],...,(25,35],(60,100],(35,60],
(35,60],(25,35]]
Length:12
Categories(4,interval[int64]):[(18,25]<(25,35]<(35,60]<(60,100]]
#labels参数为False时，返回结果中用不同的整数作为箱子的指示符
cats2=pd.cut(ages,bins,labels=False)
cats2#输出结果中的数字对应着不同的箱子

cats2结果：

array([0,0,0,1,0,0,2,1,3,2,2,1],dtype=int64)
pd.value_counts(cats1)#对不同箱子中的数进行计数

计数结果：

(18,25]5
(35,60]3
(25,35]3
(60,100]1
dtype:int64
pd.cut(ages,[18,26,36,61,100],right=False)#指定分箱区间是左闭右开

改变区间开闭结果：

[[18,26),[18,26),[18,26),[26,36),[18,26),...,[26,36),[61,100),[36,61),
[36,61),[26,36)]
Length:12
Categories(4,interval[int64]):[[18,26)<[26,36)<[36,61)<[61,100)]
#可以将想要指定给不同箱子的标签传递给labels参数
group_names=['Youth','YoungAdult','MiddleAged','Senior']
cuts3=pd.cut(ages,bins,labels=group_names)
cuts3

cats3结果：

[Youth,Youth,Youth,YoungAdult,Youth,...,YoungAdult,Senior,MiddleAged,
MiddleAged,YoungAdult]
Length:12
Categories(4,object):[Youth
pandas.qcut函数：
qcats1=pd.qcut(ages,q=4)#参数q指定所分箱子的数量
qcats1
qcats1结果：
[(19.999,22.75],(19.999,22.75],(22.75,29.0],(22.75,29.0],(19.999,22.75],...,
(29.0,38.0],(38.0,61.0],(38.0,61.0],(38.0,61.0],(29.0,38.0]]
Length:12
Categories(4,interval[float64]):[(19.999,22.75]<(22.75,29.0]<(29.0,38.0]<
(38.0,61.0]]
qcats1.value_counts()#从输出结果可以看到每个箱子中的数据量时相同的
计数结果：
(19.999,22.75]3
(22.75,29.0]3
(29.0,38.0]3
(38.0,61.0]3
dtype:int64
参考：《利用Python进行数据分析》——WesMcKinney第二版
以上这篇使用pandas实现连续数据的离散化处理方式(分箱操作)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

使用pandas实现连续数据的离散化处理方式(分箱操作)

热门推荐

随机推荐