一、pd.qcut函數(shù)
pd.qcut是pandas庫(kù)提供的一個(gè)用于將連續(xù)值轉(zhuǎn)化為離散值的函數(shù)。這個(gè)函數(shù)會(huì)將數(shù)據(jù)按照指定的區(qū)間范圍進(jìn)行分割，每個(gè)區(qū)間內(nèi)的數(shù)據(jù)將會(huì)被轉(zhuǎn)化為離散值，而這些離散值將被映射到相應(yīng)的區(qū)間范圍內(nèi)。
簡(jiǎn)而言之，pd.qcut將連續(xù)數(shù)據(jù)分解成離散數(shù)據(jù)，并通過(guò)分解區(qū)間給每個(gè)數(shù)據(jù)一個(gè)離散值。
二、pd.qcut python
data = [0.1, 0.5, 0.4, 0.3, 0.7, 0.9, 0.6]
pd.qcut(data, q=3)
運(yùn)行這個(gè)程序可以將一個(gè)包含七個(gè)連續(xù)值的列表分開(kāi)成3個(gè)區(qū)間范圍-即分成3組。其中，參數(shù)q表示分成3組。輸出結(jié)果如下：
[(0.099, 0.4], (0.4, 0.6], (0.4, 0.6], (0.099, 0.4], (0.6, 0.9], (0.6, 0.9], (0.4, 0.6]]
Categories (3, interval[float64]): [(0.099, 0.4] < (0.4, 0.6] < (0.6, 0.9]]
可以看到，每個(gè)數(shù)據(jù)點(diǎn)所在的區(qū)間范圍被封裝在一個(gè)interval對(duì)象中，其所屬的離散值由于沒(méi)有設(shè)置labels參數(shù)而被默認(rèn)使用了每個(gè)區(qū)間范圍的編號(hào)。
三、pd.qcut用法
pd.qcut中有許多可供選擇的參數(shù)可以進(jìn)行設(shè)置。下面我們將介紹其中一些最常用的參數(shù)：
1. qcut中的參數(shù)labels
labels表示為所劃分的區(qū)間進(jìn)行命名，并將每個(gè)數(shù)據(jù)點(diǎn)所在的區(qū)間范圍映射到相應(yīng)的區(qū)間名稱中。
pd.qcut(data, q=3, labels=["low", "mid", "high"])
運(yùn)行這個(gè)程序?qū)?duì)數(shù)據(jù)進(jìn)行同樣的分組，同時(shí)將每組的名稱保存在labels列表中輸出。輸出結(jié)果如下：
[low, mid, mid, low, high, high, mid]
Categories (3, object): [low < mid < high]
2. qcut中的參數(shù)retbins
retbins表示是否返回區(qū)間分段后的數(shù)據(jù)范圍。
bins, ret = pd.qcut(data, q=3, retbins=True)
運(yùn)行這個(gè)程序?qū)⒎祷胤纸M后的區(qū)間范圍和bin的值。輸出結(jié)果如下：
[low, mid, mid, low, high, high, mid]
Categories (3, object): [low < mid < high]
[0.099 0.4 0.6 0.9 ]
四、pd.qcut 降序
降序是指將數(shù)據(jù)從大到小進(jìn)行區(qū)間分組。這個(gè)過(guò)程與其它形式的區(qū)間分組類似，只是在分組時(shí)將數(shù)據(jù)倒序排列。
pd.qcut(data, q=3, labels=["high", "mid", "low"],duplicates="drop")
運(yùn)行這個(gè)程序?qū)⒎祷匕凑战敌蚍殖傻娜齻€(gè)區(qū)間范圍，并放置在labels列表中。輸出結(jié)果如下：
[low, mid, mid, high, high, high, mid]
Categories (3, object): [high < mid < low]
五、pd.qcut()詳解
在pd.qcut()函數(shù)中，標(biāo)簽與區(qū)間數(shù)量的選擇可以起到調(diào)節(jié)分組粒度的作用。qcut()函數(shù)的語(yǔ)法結(jié)構(gòu)如下：
pd.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')
這里，參數(shù)x代表的是被分組數(shù)據(jù)的數(shù)據(jù)集；參數(shù)q代表的是分割的區(qū)間個(gè)數(shù)；參數(shù)labels代表的是每個(gè)區(qū)間被分割后的名稱；參數(shù)retbins指定是否返回分割后的區(qū)間范圍；參數(shù)precision指的是數(shù)據(jù)精度；參數(shù)duplicates指定去除重復(fù)數(shù)據(jù)時(shí)的行為。
六、pd.qcut怎么設(shè)置開(kāi)閉方向
在qcut中可以設(shè)置開(kāi)閉區(qū)間的方向。區(qū)間開(kāi)閉指的是區(qū)間中數(shù)據(jù)端點(diǎn)的取舍問(wèn)題。默認(rèn)情況下，pd.qcut默認(rèn)的區(qū)間開(kāi)閉方向?yàn)樽箝]右開(kāi)，也就是說(shuō)左端點(diǎn)位于區(qū)間范圍內(nèi)，而右端點(diǎn)不在區(qū)間范圍內(nèi)。
如果需要改變默認(rèn)的左閉右開(kāi)區(qū)間方向，只需要在調(diào)用qcut函數(shù)的時(shí)候加入?yún)?shù)right=False即可。如下所示：
pd.qcut(data, q=3, labels=["high", "mid", "low"],duplicates="drop",right=False)
七、pd.qcut()示例
接下來(lái)我們給出一個(gè)具體的例子來(lái)測(cè)試和展示pd.qcut()函數(shù)的用法：
import pandas as pd
import numpy as np
# 數(shù)據(jù)集
raw_data = {'score': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]}
df = pd.DataFrame(raw_data, columns=['score'])
# 4等分，如果遇到重復(fù)的，直接去掉
df['qcut'] = pd.qcut(df.score, 4, duplicates='drop')
# 4等分，每等分的樣本數(shù)幾乎相等
df['qcut'] = pd.qcut(df.score, 4)
print(df)
首先定義了一個(gè)數(shù)據(jù)集raw_data，然后使用pandas讀取數(shù)據(jù)，并在數(shù)據(jù)集中添加一列新的列名為qcut用于存儲(chǔ)分割后的區(qū)間范圍。然后分別對(duì)數(shù)據(jù)進(jìn)行了4等分，最后輸出數(shù)據(jù)集。
運(yùn)行結(jié)果如下：
score qcut
0 10 (9.999, 30.0]
1 20 (9.999, 30.0]
2 30 (30.0, 50.0]
3 40 (30.0, 50.0]
4 50 (50.0, 70.0]
5 60 (50.0, 70.0]
6 70 (50.0, 70.0]
7 80 (70.0, 90.0]
8 90 (70.0, 90.0]
9 100 (90.0, 100.0]
八、小結(jié)
本篇文章詳細(xì)介紹了pd.qcut函數(shù)的相關(guān)知識(shí)。可以看出，pd.qcut函數(shù)是一個(gè)非常實(shí)用的pandas函數(shù)，它可以將連續(xù)的數(shù)據(jù)轉(zhuǎn)化為離散的數(shù)據(jù)，將數(shù)據(jù)映射到不同的區(qū)間范圍內(nèi)，降低了數(shù)據(jù)的精度，提高了數(shù)據(jù)的可讀性。
京公網(wǎng)安備 11010802030320號(hào)