Python怎么實(shí)現(xiàn)數(shù)據(jù)分箱技術(shù)

本篇內(nèi)容主要講解“Python怎么實(shí)現(xiàn)數(shù)據(jù)分箱技術(shù)”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“Python怎么實(shí)現(xiàn)數(shù)據(jù)分箱技術(shù)”吧!

1 數(shù)據(jù)分箱

數(shù)據(jù)分箱技術(shù)在Pandas官方給出的定義：Bin values into discrete intervals，是指將值劃分到離散區(qū)間。好比不同大小的蘋(píng)果歸類到幾個(gè)事先布置的箱子中；不同年齡的人劃分到幾個(gè)年齡段中。

這種技術(shù)在數(shù)據(jù)處理時(shí)會(huì)很有用。

2 例子

我們先來(lái)看例子

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

現(xiàn)把數(shù)據(jù)劃分成 3 個(gè)區(qū)間，并打上老、中、青的標(biāo)簽。Pandas提供了易用的API，很容易就可以實(shí)現(xiàn)。

pd.cut(ages, 3, labels=['青','中','老'])

結(jié)果如下，一行代碼便實(shí)現(xiàn)。

[青, 青, 中, 青, 老, 老, 老, 青, 青]

cut在操作時(shí)，統(tǒng)計(jì)了一維數(shù)組的最小、最大值，得到一個(gè)區(qū)間長(zhǎng)度，因?yàn)樾枰獎(jiǎng)澐?個(gè)區(qū)間，所以會(huì)得到三個(gè)均勻的區(qū)間，如下。

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

給定數(shù)據(jù)的最小值為1，區(qū)間默認(rèn)是左開(kāi)右閉，所以為了囊括1，需要將最靠左的區(qū)間向左延長(zhǎng)0.1%（總區(qū)間長(zhǎng)度），默認(rèn)精度為小數(shù)點(diǎn)后3位。

3 函數(shù)原型

通過(guò)以上例子初步認(rèn)識(shí)cut后，再分析cut原型就比較容易。

參數(shù)含義如下：

x：被切分的類數(shù)組數(shù)據(jù)，注意必須是1維；

bins：簡(jiǎn)單理解為分箱規(guī)則，就是桶。支持int 標(biāo)量、序列；

right：表示是否包含區(qū)間的右邊界，默認(rèn)包含；

labels：分割后的bins打標(biāo)簽；

retbins：表示是否將分割后的bins返回，默認(rèn)不返回。如為True，則：

array([   0.901,   34.   ,   67.   ,  100.   ]))

include_lowest：區(qū)間的左邊是開(kāi)還是閉，默認(rèn)為開(kāi)；
duplicates：是否允許重復(fù)區(qū)間。raise：不允許，drop：允許。

到此，相信大家對(duì)“Python怎么實(shí)現(xiàn)數(shù)據(jù)分箱技術(shù)”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！