python分箱的方法?这个问题可能是我们日常学习或工作经常见到的。希望通过这个问题能让你收获颇深。下面是小编给大家带来的参考内容,让我们一起来看看吧!
1、数据分箱
数据分箱技术在Pandas官方给出的定义:Bin values into discrete intervals,是指将值划分到离散区间。好比不同大小的苹果归类到几个事先布置的箱子中;不同年龄的人划分到几个年龄段中。
这种技术在数据处理时会很有用。
2、例子
我们先来看例子
import numpy as np import pandas as pd ages = np.array([5,10,36,12,77,89,100,30,1]) #年龄数据 1 2 3
现把数据划分成 3 个区间,并打上老、中、青的标签。Pandas提供了易用的API,很容易就可以实现。
pd.cut(ages, 3, labels=['青','中','老']) 1
结果如下,一行代码便实现。
[青, 青, 中, 青, 老, 老, 老, 青, 青] 1
cut在操作时,统计了一维数组的最小、最大值,得到一个区间长度,因为需要划分3个区间,所以会得到三个均匀的区间,如下。
pd.cut(ages, 3 ) >>>区间如下: Categories (3, interval[float64]): [(0.901, 34.0] < (34.0, 67.0] < (67.0, 100.0]] 1 2 3 4
给定数据的最小值为1,区间默认是左开右闭,所以为了囊括1,需要将最靠左的区间向左延长0.1%(总区间长度),默认精度为小数点后3位。
3、函数原型
通过以上例子初步认识cut后,再分析cut原型就比较容易。
参数含义如下:
x:被切分的类数组数据,注意必须是1维;
bins:简单理解为分箱规则,就是桶。支持int 标量、序列;
right:表示是否包含区间的右边界,默认包含;
labels:分割后的bins打标签;
retbins:表示是否将分割后的bins返回,默认不返回。如为True,则:
array([ 0.901, 34. , 67. , 100. ])) 1 2 3 4 5 include_lowest :区间的左边是开还是闭,默认为开; duplicates;是否允许重复区间。raise:不允许,drop:允许。
感谢各位的阅读!看完上述内容,你们对python分箱的方法大概了解了吗?希望文章内容对大家有所帮助。如果想了解更多相关文章内容,欢迎关注亿速云行业资讯频道。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。