一、pd.qcut函數
pd.qcut是pandas庫提供的一個用于將連續值轉化為離散值的函數。這個函數會將數據按照指定的區間范圍進行分割,每個區間內的數據將會被轉化為離散值,而這些離散值將被映射到相應的區間范圍內。
簡而言之,pd.qcut將連續數據分解成離散數據,并通過分解區間給每個數據一個離散值。
二、pd.qcut python
data = [0.1, 0.5, 0.4, 0.3, 0.7, 0.9, 0.6]
pd.qcut(data, q=3)
運行這個程序可以將一個包含七個連續值的列表分開成3個區間范圍-即分成3組。其中,參數q表示分成3組。輸出結果如下:
[(0.099, 0.4], (0.4, 0.6], (0.4, 0.6], (0.099, 0.4], (0.6, 0.9], (0.6, 0.9], (0.4, 0.6]]
Categories (3, interval[float64]): [(0.099, 0.4] < (0.4, 0.6] < (0.6, 0.9]]
可以看到,每個數據點所在的區間范圍被封裝在一個interval對象中,其所屬的離散值由于沒有設置labels參數而被默認使用了每個區間范圍的編號。
三、pd.qcut用法
pd.qcut中有許多可供選擇的參數可以進行設置。下面我們將介紹其中一些最常用的參數:
1. qcut中的參數labels
labels表示為所劃分的區間進行命名,并將每個數據點所在的區間范圍映射到相應的區間名稱中。
pd.qcut(data, q=3, labels=["low", "mid", "high"])
運行這個程序將對數據進行同樣的分組,同時將每組的名稱保存在labels列表中輸出。輸出結果如下:
[low, mid, mid, low, high, high, mid]
Categories (3, object): [low < mid < high]
2. qcut中的參數retbins
retbins表示是否返回區間分段后的數據范圍。
bins, ret = pd.qcut(data, q=3, retbins=True)
運行這個程序將返回分組后的區間范圍和bin的值。輸出結果如下:
[low, mid, mid, low, high, high, mid]
Categories (3, object): [low < mid < high]
[0.099 0.4 0.6 0.9 ]
四、pd.qcut 降序
降序是指將數據從大到小進行區間分組。這個過程與其它形式的區間分組類似,只是在分組時將數據倒序排列。
pd.qcut(data, q=3, labels=["high", "mid", "low"],duplicates="drop")
運行這個程序將返回按照降序分成的三個區間范圍,并放置在labels列表中。輸出結果如下:
[low, mid, mid, high, high, high, mid]
Categories (3, object): [high < mid < low]
五、pd.qcut()詳解
在pd.qcut()函數中,標簽與區間數量的選擇可以起到調節分組粒度的作用。qcut()函數的語法結構如下:
pd.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')
這里,參數x代表的是被分組數據的數據集;參數q代表的是分割的區間個數;參數labels代表的是每個區間被分割后的名稱;參數retbins指定是否返回分割后的區間范圍;參數precision指的是數據精度;參數duplicates指定去除重復數據時的行為。
六、pd.qcut怎么設置開閉方向
在qcut中可以設置開閉區間的方向。區間開閉指的是區間中數據端點的取舍問題。默認情況下,pd.qcut默認的區間開閉方向為左閉右開,也就是說左端點位于區間范圍內,而右端點不在區間范圍內。
如果需要改變默認的左閉右開區間方向,只需要在調用qcut函數的時候加入參數right=False即可。如下所示:
pd.qcut(data, q=3, labels=["high", "mid", "low"],duplicates="drop",right=False)
七、pd.qcut()示例
接下來我們給出一個具體的例子來測試和展示pd.qcut()函數的用法:
import pandas as pd
import numpy as np
# 數據集
raw_data = {'score': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]}
df = pd.DataFrame(raw_data, columns=['score'])
# 4等分,如果遇到重復的,直接去掉
df['qcut'] = pd.qcut(df.score, 4, duplicates='drop')
# 4等分,每等分的樣本數幾乎相等
df['qcut'] = pd.qcut(df.score, 4)
print(df)
首先定義了一個數據集raw_data,然后使用pandas讀取數據,并在數據集中添加一列新的列名為qcut用于存儲分割后的區間范圍。然后分別對數據進行了4等分,最后輸出數據集。
運行結果如下:
score qcut
0 10 (9.999, 30.0]
1 20 (9.999, 30.0]
2 30 (30.0, 50.0]
3 40 (30.0, 50.0]
4 50 (50.0, 70.0]
5 60 (50.0, 70.0]
6 70 (50.0, 70.0]
7 80 (70.0, 90.0]
8 90 (70.0, 90.0]
9 100 (90.0, 100.0]
八、小結
本篇文章詳細介紹了pd.qcut函數的相關知識。可以看出,pd.qcut函數是一個非常實用的pandas函數,它可以將連續的數據轉化為離散的數據,將數據映射到不同的區間范圍內,降低了數據的精度,提高了數據的可讀性。