CPU|Pandas 对数值进行分箱操作的4种方法总结对比( 二 ) Linux|操作系统

qcut参数：
x：要分箱的输入数组。必须是一维的。
q：分位数。10 表示十分位数， 4 表示四分位数等。也可以是交替排列的分位数，例如[0 .25 .5 .75 1.
四分位数。
labels：指定 bin 的标签。必须与生成的 bin 长度相同。
retbins: (bool) 是否返回 (bins labels) 。
df['grade'
cut_bin = pd.qcut(df['score'
q = 3 labels = ['C' 'B' 'A'
retbins = True)
df.head()

如果 retbins 设置为 True 则会返回 bin 边界。
print (cut_bin)
>> [ 0. 36. 68. 100.

分数间隔如下：

C： [0 36
B： (36 68
A： (68 100

使用 .value_counts() 检查每个等级有多少学生。理想情况下，每个箱应该有大约 333 名学生。
df.grade.value_counts()

4、value_counts虽然 pandas .value_counts 通常用于计算系列中唯一值的数量，但它也可用于使用 bins 参数 [4
将值分组到半开箱中。
df['score'
.value_counts(bins = 3 sort = False)
默认情况下，.value_counts 按值的降序对返回的系列进行排序。将 sort 设置为 False 以按其索引的升序对系列进行排序。

series 索引是指每个 bin 的区间范围，其中方括号 [ 和圆括号 ) 分别表示边界值是包含的和不包含的。返回series 的值表示每个 bin 中有多少条记录。
与 .qcut 不同，每个 bin 中的记录数不一定相同（大约）。.value_counts 不会将相同数量的记录分配到相同的类别中，而是根据最高和最低分数将分数范围分成 3 个相等的部分。分数的最小值为 0 ，最大值为 100 ，因此这 3 个部分中的每一个都大约在 33.33 范围内。这也解释了为什么 bin 的边界是 33.33 的倍数。
我们还可以通过传入边界列表来定义 bin 边界。
df['score'
.value_counts(bins = [05080100
sort = False)

这给了我们与示例 1 和 2 相同的结果。
总结在本文中，介绍了如何使用 .between、.cut、.qcut 和 .value_counts 对连续值进行分箱。这里是本文的源代码：
https://avoid.overfit.cn/post/dc11c84491e841dea928d652f0f93005
【CPU|Pandas 对数值进行分箱操作的4种方法总结对比】作者：Edwin Tan