https://www.cnblogs.com/sench/p/10128216.html
pandas.cut用來把一組資料分割成離散的區間，比如有一組年齡資料，可以使用pandas.cut將年齡資料分割成不同的年齡段并打上標簽，
原型
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise') #0.23.4
引數含義
x：被切分的類陣列（array-like）資料，必須是1維的（不能用DataFrame）；bins：bins是被切割后的區間（或者叫“桶”、“箱”、“面元”），有3中形式：一個int型的標量、標量序列（陣列）或者pandas.IntervalIndex ，
- 一個int型的標量
當bins為一個int型的標量時，代表將x平分成bins份，x的范圍在每側擴展0.1%，以包括x的最大值和最小值， - 標量序列
標量序列定義了被分割后每一個bin的區間邊緣，此時x沒有擴展， - pandas.IntervalIndex
定義要使用的精確區間，
right：bool型引數，默認為True，表示是否包含區間右部，比如如果bins=[1,2,3]，right=True，則區間為(1,2]，(2,3]；right=False，則區間為(1,2),(2,3)，labels：給分割后的bins打標簽，比如把年齡x分割成年齡段bins后，可以給年齡段打上諸如青年、中年的標簽，labels的長度必須和劃分后的區間長度相等，比如bins=[1,2,3]，劃分后有2個區間(1,2]，(2,3]，則labels的長度必須為2，如果指定labels=False，則回傳x中的資料在第幾個bin中（從0開始），retbins：bool型的引數，表示是否將分割后的bins回傳，當bins為一個int型的標量時比較有用，這樣可以得到劃分后的區間，默認為False，precision：保留區間小數點的位數，默認為3.include_lowest：bool型的引數，表示區間的左邊是開還是閉的，默認為false，也就是不包含區間左部（閉），duplicates：是否允許重復區間，有兩種選擇：raise：不允許，drop：允許，
回傳值
out：一個pandas.Categorical, Series或者ndarray型別的值，代表磁區后x中的每個值在哪個bin（區間）中，如果指定了labels，則回傳對應的label，bins：分隔后的區間，當指定retbins為True時回傳，
例子
這里拿給年齡分組當做例子，
import numpy as np
import pandas as pd
ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡資料
將ages平分成5個區間
ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32])
pd.cut(ages, 5)
輸出：
[(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個區間，且區間兩邊都有擴展以包含最大值和最小值，
將ages平分成5個區間并指定labels
ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡資料
pd.cut(ages, 5, labels=[u"嬰兒",u"青年",u"中年",u"壯年",u"老年"])
輸出：
[嬰兒, 嬰兒, 嬰兒, 青年, 青年, ..., 嬰兒, 嬰兒, 青年, 青年, 青年]
Length: 16
Categories (5, object): [嬰兒 < 青年 < 中年 < 壯年 < 老年]
給ages指定區間進行分割
ages = np.array([1,5,10,40,36,12,58,62,77,89,100,18,20,25,30,32]) #年齡資料
pd.cut(ages, [0,5,20,30,50,100], labels=[u"嬰兒",u"青年",u"中年",u"壯年",u"老年"])
輸出：
[嬰兒, 嬰兒, 青年, 壯年, 壯年, ..., 青年, 青年, 中年, 中年, 壯年]
Length: 16
Categories (5, object): [嬰兒 < 青年 < 中年 < 壯年 < 老年]
這里不再平分ages，而是將ages分為了5個區間(0, 5],(5, 20],(20, 30],(30,50],(50,100].
回傳分割后的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]) #年齡資料
pd.cut(ages, [0,5,20,30,50,100], labels=[u"嬰兒",u"青年",u"中年",u"壯年",u"老年"],retbins=True)
輸出：
([嬰兒, 嬰兒, 青年, 壯年, 壯年, ..., 青年, 青年, 中年, 中年, 壯年]
Length: 16
Categories (5, object): [嬰兒 < 青年 < 中年 < 壯年 < 老年],
array([ 0, 5, 20, 30, 50, 100]))
只回傳x中的資料在哪個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]) #年齡資料
pd.cut(ages, [0,5,20,30,50,100], labels=False)
輸出：
array([0, 0, 1, 3, 3, 1, 4, 4, 4, 4, 4, 1, 1, 2, 2, 3], dtype=int64)
第一個0表示1在第0個bin
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/141675.html
標籤：Python
下一篇：學習第41天