1 數據分箱

數據分箱技術在Pandas官方給出的定義：Bin values into discrete intervals，是指將值劃分到離散區間。好比不同大小的蘋果歸類到幾個事先布置的箱子中；不同年齡的人劃分到幾個年齡段中。

這種技術在數據處理時會很有用。

2 例子

我們先來看例子

import numpy as np import pandas as pd ages = np.array([5,10,36,12,77,89,100,30,1]) #年齡數據

現把數據劃分成 3 個區間，并打上老、中、青的標簽。Pandas提供了易用的API，很容易就可以實現。

pd.cut(ages, 3, labels=['青','中','老'])

結果如下，一行代碼便實現。

[青, 青, 中, 青, 老, 老, 老, 青, 青]

cut在操作時，統計了一維數組的最小、最大值，得到一個區間長度，因為需要劃分3個區間，所以會得到三個均勻的區間，如下。

pd.cut(ages, 3 ) >>>區間如下： Categories (3, interval[float64]): [(0.901, 34.0] < (34.0, 67.0] < (67.0, 100.0]]

給定數據的最小值為1，區間默認是左開右閉，所以為了囊括1，需要將最靠左的區間向左延長0.1%（總區間長度），默認精度為小數點后3位。

3 函數原型

通過以上例子初步認識cut后，再分析cut原型就比較容易。

參數含義如下：
x：被切分的類數組數據，注意必須是1維；
bins：簡單理解為分箱規則，就是桶。支持int 標量、序列；
right：表示是否包含區間的右邊界，默認包含；
labels：分割后的bins打標簽；
retbins：表示是否將分割后的bins返回，默認不返回。如為True，則：

----------------------------------------------------- 注：我這有個學習基地，里面有很多學習資料，感興趣的+Q群：895817687 -----------------------------------------------------array([ 0.901, 34. , 67. , 100. ]))

include_lowest :區間的左邊是開還是閉，默認為開；
duplicates;是否允許重復區間。raise：不允許，drop：允許。

總結

以上是生活随笔為你收集整理的数据分箱技术在Python中实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。