pandas pd.cut()与pd.qcut()的具体实现
1、pd.cut函数有7个参数，主要用于对数据从最大值到最小值进行等距划分
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)
参数：
x : 输入待cut的一维数组
bins : cut的段数，一般为整型，但也可以为序列向量。
right : 布尔值，确定右区间是否开闭，取True时右区间闭合
labels : 数组或布尔值，默认为None，用来标识分后的bins，长度必须与结果bins相等，返回值为整数或者对bins的标识
retbins : 布尔值，可选。是否返回数值所在分组，Ture则返回
precision : 整型，bins小数精度，也就是数据以几位小数显示
include_lowest : 布尔类型，是否包含左区间
2、pd.qcut函数，按照数据出现频率百分比划分，比如要把数据分为四份，则四段分别是数据的0-25%，25%-50%，50%-75%，75%-100%
pd.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')
代码示例：
import numpy as np from numpy import * import pandas as pd df = pd.DataFrame() df['data'] = [1,2,2,2,2,6,7,8,9,0]#这里注意箱边界值需要唯一，不然qcut时程序会报错 df['cut']=pd.cut(df['data'],5) df['qcut']=pd.qcut(df['data'],5) df.head(10)
运行结果如图：
可以看到cut列各个分段之间间距相等，qcut由于数据中‘2’较多，所以2附近间距较小，2之后的分段间距较大。
到此这篇关于pandas pd.cut()与pd.qcut()的具体实现的文章就介绍到这了,更多相关pandas pd.cut()与pd.qcut()内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家介绍了python类特殊方法使用示例讲解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-06-06
本文主要介绍了numpy多级排序lexsort函数的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-03-03
这篇文章主要介绍了基于Python实现主机远程控制，本文为 HITwh 网络空间安全专业网络空间安全设计与实践选题，主要实现了远程监控局域网内的主机桌面与网络情况、简单键鼠控制、远程断网（ARP 攻击）、数据加密传输等功能，下面来看看具体实现过程吧2022-01-01
需要提取apk文件的特定URL地址的朋友可以看一下这个代码实例。2013-11-11
本文主要介绍了pandas数据合并之pd.concat()用法详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-06-06
有效的信息传达是演示文稿中的重点,而PowerPoint演示文稿作为最广泛使用的演示工具之一,提供了丰富的功能来帮助演讲者实现这一目标,本文将介绍如何利用Python来添加表格到PowerPoint演示文稿中,需要的朋友可以参考下2024-08-08
tensorflow1.15与numpy、keras以及Python兼容版本对照方式
这篇文章主要介绍了tensorflow1.15与numpy、keras以及Python兼容版本对照方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-03-03
Python使用自带的base64库进行base64编码和解码的实现
本文主要介绍了Python使用自带的base64库进行base64编码和解码的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2023-03-03
这篇文章主要介绍了Python常见数据结构,需要的朋友可以参考下2014-07-07
这篇文章主要介绍了怎么样用python做的翻译软件，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-08-08
最新评论