使用pandas實(shí)現(xiàn)連續(xù)數(shù)據(jù)的離散化處理方式(分箱操作)

發(fā)布時(shí)間：2020-10-01 15:26:05 來(lái)源：腳本之家閱讀：388 作者：Backcanhave7 欄目：開發(fā)技術(shù)

Python實(shí)現(xiàn)連續(xù)數(shù)據(jù)的離散化處理主要基于兩個(gè)函數(shù)，pandas.cut和pandas.qcut，前者根據(jù)指定分界點(diǎn)對(duì)連續(xù)數(shù)據(jù)進(jìn)行分箱處理，后者則可以根據(jù)指定箱子的數(shù)量對(duì)連續(xù)數(shù)據(jù)進(jìn)行等寬分箱處理，所謂等寬指的是每個(gè)箱子中的數(shù)據(jù)量是相同的。

下面簡(jiǎn)單介紹一下這兩個(gè)函數(shù)的用法：

# 導(dǎo)入pandas包
import pandas as pd
ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32] # 待分箱數(shù)據(jù)
bins = [18, 25, 35, 60, 100] # 指定箱子的分界點(diǎn)

pandas.cut函數(shù) ：

cats1 = pd.cut(ages, bins)
cats1

cats1結(jié)果：

[(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (25, 35], (60, 100], (35, 60],
(35, 60], (25, 35]]
Length: 12
Categories (4, interval[int64]): [(18, 25] < (25, 35] < (35, 60] < (60, 100]]
# labels參數(shù)為False時(shí)，返回結(jié)果中用不同的整數(shù)作為箱子的指示符
cats2 = pd.cut(ages, bins,labels=False) 
cats2 # 輸出結(jié)果中的數(shù)字對(duì)應(yīng)著不同的箱子

cats2結(jié)果：

 array([0, 0, 0, 1, 0, 0, 2, 1, 3, 2, 2, 1], dtype=int64)
pd.value_counts(cats1) # 對(duì)不同箱子中的數(shù)進(jìn)行計(jì)數(shù)

計(jì)數(shù)結(jié)果：

(18, 25]  5
(35, 60]  3
(25, 35]  3
(60, 100] 1
dtype: int64
pd.cut(ages, [18, 26, 36, 61, 100], right=False) # 指定分箱區(qū)間是左閉右開

改變區(qū)間開閉結(jié)果：

[[18, 26), [18, 26), [18, 26), [26, 36), [18, 26), ..., [26, 36), [61, 100), [36, 61),
[36, 61), [26, 36)]
Length: 12
Categories (4, interval[int64]): [[18, 26) < [26, 36) < [36, 61) < [61, 100)]
# 可以將想要指定給不同箱子的標(biāo)簽傳遞給labels參數(shù)
group_names = ['Youth', 'YoungAdult', 'MiddleAged', 'Senior']
cuts3 = pd.cut(ages, bins, labels=group_names) 
cuts3

cats3結(jié)果：

[Youth, Youth, Youth, YoungAdult, Youth, ..., YoungAdult, Senior, MiddleAged,
MiddleAged, YoungAdult]
Length: 12
Categories (4, object): [Youth < YoungAdult < MiddleAged < Senior]

pandas.qcut函數(shù)：

qcats1 = pd.qcut(ages,q=4) # 參數(shù)q指定所分箱子的數(shù)量
qcats1

qcats1結(jié)果：

[(19.999, 22.75], (19.999, 22.75], (22.75, 29.0], (22.75, 29.0], (19.999, 22.75], ...,
(29.0, 38.0], (38.0, 61.0], (38.0, 61.0], (38.0, 61.0], (29.0, 38.0]]
Length: 12
Categories (4, interval[float64]): [(19.999, 22.75] < (22.75, 29.0] < (29.0, 38.0] <
(38.0, 61.0]]
qcats1.value_counts() # 從輸出結(jié)果可以看到每個(gè)箱子中的數(shù)據(jù)量時(shí)相同的

計(jì)數(shù)結(jié)果：

(19.999, 22.75] 3
(22.75, 29.0]  3
(29.0, 38.0]  3
(38.0, 61.0]  3
dtype: int64

參考：《利用Python進(jìn)行數(shù)據(jù)分析》——Wes McKinney 第二版

以上這篇使用pandas實(shí)現(xiàn)連續(xù)數(shù)據(jù)的離散化處理方式(分箱操作)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持億速云。

向AI問一下細(xì)節(jié)

使用pandas實(shí)現(xiàn)連續(xù)數(shù)據(jù)的離散化處理方式(分箱操作)

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽