pandas.cut具体使用总结
用途
pandas.cut用来把一组数据分割成离散的区间。比如有一组年龄数据，可以使用pandas.cut将年龄数据分割成不同的年龄段并打上标签。
原型
pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3,include_lowest=False,duplicates='raise')#0.23.4
参数含义
x：被切分的类数组（array-like）数据，必须是1维的（不能用DataFrame）；
bins：bins是被切割后的区间（或者叫“桶”、“箱”、“面元”），有3中形式：一个int型的标量、标量序列（数组）或者pandas.IntervalIndex。
一个int型的标量
当bins为一个int型的标量时，代表将x平分成bins份。x的范围在每侧扩展0.1%，以包括x的最大值和最小值。
标量序列
标量序列定义了被分割后每一个bin的区间边缘，此时x没有扩展。
pandas.IntervalIndex
定义要使用的精确区间。
right：bool型参数，默认为True，表示是否包含区间右部。比如如果bins=[1,2,3]，right=True，则区间为(1,2]，(2,3]；right=False，则区间为(1,2),(2,3)。
labels：给分割后的bins打标签，比如把年龄x分割成年龄段bins后，可以给年龄段打上诸如青年、中年的标签。labels的长度必须和划分后的区间长度相等，比如bins=[1,2,3]，划分后有2个区间(1,2]，(2,3]，则labels的长度必须为2。如果指定
labels=False，则返回x中的数据在第几个bin中（从0开始）。
retbins：bool型的参数，表示是否将分割后的bins返回，当bins为一个int型的标量时比较有用，这样可以得到划分后的区间，默认为False。
precision：保留区间小数点的位数，默认为3.
include_lowest：bool型的参数，表示区间的左边是开还是闭的，默认为false，也就是不包含区间左部（闭）。
duplicates：是否允许重复区间。有两种选择：raise：不允许，drop：允许。
返回值
out：一个pandas.Categorical,Series或者ndarray类型的值，代表分区后x中的每个值在哪个bin（区间）中，如果指定了labels，则返回对应的label。
bins：分隔后的区间，当指定retbins为True时返回。
例子
这里拿给年龄分组当做例子。
importnumpyasnp importpandasaspd ages=np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32])#年龄数据
将ages平分成5个区间
ages=np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) pd.cut(ages,5)
输出：
[(0.901,20.8],(0.901,20.8],(0.901,20.8],(20.8,40.6],(20.8,40.6],...,(0.901,20.8],(0.901,20.8],(20.8,40.6],(20.8,40.6],(20.8,40.6]]
Length:16
Categories(5,interval[float64]):[(0.901,20.8]<(20.8,40.6]<(40.6,60.4]<(60.4,80.2]<(80.2,100.0]]
可以看到ages被平分成5个区间，且区间两边都有扩展以包含最大值和最小值。
将ages平分成5个区间并指定labels
ages=np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32])#年龄数据 pd.cut(ages,5,labels=[u"婴儿",u"青年",u"中年",u"壮年",u"老年"])
输出：
[婴儿,婴儿,婴儿,青年,青年,...,婴儿,婴儿,青年,青年,青年]
Length:16
Categories(5,object):[婴儿<青年<中年<壮年<老年]
给ages指定区间进行分割
ages=np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32])#年龄数据 pd.cut(ages,[0,5,20,30,50,100],labels=[u"婴儿",u"青年",u"中年",u"壮年",u"老年"])
输出：
[婴儿,婴儿,青年,壮年,壮年,...,青年,青年,中年,中年,壮年]
Length:16
Categories(5,object):[婴儿<青年<中年<壮年<老年]
这里不再平分ages，而是将ages分为了5个区间(0,5],(5,20],(20,30],(30,50],(50,100].
返回分割后的bins
令retbins=True即可
ages=np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32])#年龄数据 pd.cut(ages,[0,5,20,30,50,100],labels=[u"婴儿",u"青年",u"中年",u"壮年",u"老年"],retbins=True)
输出：
([婴儿,婴儿,青年,壮年,壮年,...,青年,青年,中年,中年,壮年]
Length:16
Categories(5,object):[婴儿<青年<中年<壮年<老年],
array([ 0, 5, 20, 30, 50,100]))
只返回x中的数据在哪个bin
令labels=False即可
ages=np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32])#年龄数据 pd.cut(ages,[0,5,20,30,50,100],labels=False)
输出：
array([0,0,1,3,3,1,4,4,4,4,4,1,1,2,2,3],dtype=int64)
第一个0表示1在第0个bin中。
参考
1.https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.cut.html
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。