
1、数据分箱
数据分箱技术在Pandas官方给出的定义:Bin values into discrete intervals,是指将值划分到离散区间。好比不同大小的苹果归类到几个事先布置的箱子中;不同年龄的人划分到几个年龄段中。
这种技术在数据处理时会很有用。
2、例子
我们先来看例子
1 2 3 4 5 6 |
|
现把数据划分成 3 个区间,并打上老、中、青的标签。Pandas提供了易用的API,很容易就可以实现。
1 2 |
|
结果如下,一行代码便实现。
1 2 |
|
cut在操作时,统计了一维数组的最小、值,得到一个区间长度,因为需要划分3个区间,所以会得到三个均匀的区间,如下。
1 2 3 4 5 6 7 8 |
|
给定数据的最小值为1,区间默认是左开右闭,所以为了囊括1,需要将最靠左的区间向左延长0.1%(总区间长度),默认精度为小数点后3位。
3、函数原型
通过以上例子初步认识cut后,再分析cut原型就比较容易。
参数含义如下:
x:被切分的类数组数据,注意必须是1维;
bins:简单理解为分箱规则,就是桶。支持int 标量、序列;
right:表示是否包含区间的右边界,默认包含;
labels:分割后的bins打标签;
retbins:表示是否将分割后的bins返回,默认不返回。如为True,则:
1 2 3 4 5 6 7 8 |
|
python学习网,大量的免费python视频教程,欢迎在线学习!