怎么在python中使用cut與qcut

今天就跟大家聊聊有關(guān)怎么在python中使用cut與qcut，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

我就廢話不多說(shuō)了，直接上代碼吧：

from pandas import Series,DataFrame
import pandas as pd
import numpy as np
from numpy import nan as NA
from matplotlib import pyplot as plt
ages = [20,22,25,27,21,23,37,31,61,45,41,32]
#將所有的ages進(jìn)行分組
bins = [18,25,35,60,100]
#使用pandas中的cut對(duì)年齡數(shù)據(jù)進(jìn)行分組
cats = pd.cut(ages,bins)
#print(cats)
#調(diào)用pd.value_counts方法統(tǒng)計(jì)每個(gè)區(qū)間的個(gè)數(shù)
number=pd.value_counts(cats)
#print(pd.value_counts(cats))
#顯示第幾個(gè)區(qū)間index值
index=pd.cut(ages,bins).codes
#print(index)
#為分類出來(lái)的每一組年齡加上標(biāo)簽
group_names = ["Youth","YouthAdult","MiddleAged","Senior"]
personType=pd.cut(ages,bins,labels=group_names)
#print(personType)
plt.hist(personType)
#plt.show()
#cut和qcut的用法
data=[1,2,3,4,5,6,7,8,9,10]
result=pd.qcut(data,4)
print(' ',result)##qcut會(huì)將10個(gè)數(shù)據(jù)進(jìn)行排序，然后再將data數(shù)據(jù)均分成四組
#統(tǒng)計(jì)落在每個(gè)區(qū)間的元素個(gè)數(shù)
print('dasdasdasdasdas:  ',pd.value_counts(result))
#qcut : 跟cut一樣也可以自定義分位數(shù)（0到1之間的數(shù)值，包括端點(diǎn)）
results=pd.qcut(data,[0,0.1,0.5,0.9,1])
print('results:  ',results)

import numpy as np
import pandas as pd
data = np.random.rand(20)
print(data)
#用cut函數(shù)將一組數(shù)據(jù)分割成n份
#cut函數(shù)分割的方式：數(shù)據(jù)里的（最大值-最小值）/n=每個(gè)區(qū)間的間距
#利用數(shù)據(jù)中最大值和最小值的差除以分組數(shù)作為每一組數(shù)據(jù)的區(qū)間范圍的差值
result = pd.cut(data,4,precision=2) #precision保留小數(shù)點(diǎn)的有效位數(shù)
print(result)
res_data=pd.value_counts(result)
print(res_data)

看完上述內(nèi)容，你們對(duì)怎么在python中使用cut與qcut有進(jìn)一步的了解嗎？如果還想了解更多知識(shí)或者相關(guān)內(nèi)容，請(qǐng)關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。