pandas数据离散化pandas.cut()和pandas.qcut()

小灰灰 2023-07-06 08:59 88阅读 0赞

## pandas数据离散化 ##

> 什么叫数据离散化？也可以理解为数据分组。举个简单的例子，我们有一组学生成绩的数据，我们可以将数据按照成绩的最大值和最小值划分为几个相同的区间。假设最高分100分，最低分50分，我们可以划分为两个相同宽度的范围。分别是\[50,74\]、\[75,100\]。 统计这两个区间都有多少数据。第二种是根据人数对成绩区间进行划分，所划分的区间人数基本持平。接下来具体通过代码来实现看看。

### 等宽划分成绩区间 ###

import pandas as pd
    import numpy as np
    cutnum = pd.cut(tips['tip'],4)
    print("tips['tip']的最大值和最小值分别为：",tips['tip'].max(),tips['tip'].min())
    print(cutnum.value_counts())

![在这里插入图片描述][20200217161953583.png]

1.  pd.cut(data,num) data是需要划分的数据，num是划分多少段。此方法是将使用数据的最大值和最小值进行区间划分。
2.  从结果中，我们可以看到，数据中的最大值是10，最小值是1，整个区间被平分为了四段，每一段的区间一样。

### 等平分段，按照人数进行区间的划分 ###

import pandas as pd
    import numpy as np
    qcutnum = pd.qcut(tips['tip'],4)
    print(qcutnum.value_counts())

咱们首先看结果：  
![在这里插入图片描述][20200217162641844.png]

？？？ 不是说好了等平分吗，我只看到了中间两个数据是相同的，第一个和第四个都和其他不一样！哪里出现了问题呢。  
我猜测是在端点，来，咱们试试端点值。

tipcount = tips['tip'][tips['tip']==2.0].count()
    print(tipcount)

这一段代码是统计tips 数据中tip==2.0数据得个数，来看看结果：  
![在这里插入图片描述][20200217163113591.png]

结果是33，果真，是由于端点值相同值过多，造成得数据个数不平均，那咱们使用其他数据试试看。

接下来使用tips中得‘total\_bill’数据

qcutnum1 = pd.qcut(tips['total_bill'],4)
    print(qcutnum.value_counts())

看看结果：  
![在这里插入图片描述][20200217163252422.png]

哦yeah，没问题，证实了咱们之前得猜想。  
qcut()这个方法第一个参数数据，第二个参数是划分段数。

其实这两个方法还有其他参数。基本得两个参数大家知道后，在后续实战中如果还有其他需求，可以深度得学习一下这两个方法的其他参数。

[20200217161953583.png]: https://img-blog.csdnimg.cn/20200217161953583.png
[20200217162641844.png]: https://img-blog.csdnimg.cn/20200217162641844.png
[20200217163113591.png]: https://img-blog.csdnimg.cn/20200217163113591.png
[20200217163252422.png]: https://img-blog.csdnimg.cn/20200217163252422.png