Python Pandas.cut()用法及代码示例

Pandas cut()函数用于将数组元素分成不同的箱。 cut函数主要用于对标量数据进行统计分析。

用法：cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=”raise”,)

参数：

x:要合并的输入数组。必须为一维。

bins：定义分割的bin边。

right ：(布尔值，默认为True)指示箱子是否包括最右边。如果right == True(默认值)，则箱子[1、2、3、4]表示(1,2]，(2,3]，(3,4]。

labels: (数组或布尔值，可选)指定返回的容器的标签。必须与生成的箱子长度相同。如果为False，则仅返回箱子的整数指示符。

retbins ：(布尔型，默认为False)是否返回箱子。当垃圾桶作为标量提供时很有用。

范例1：假设我们有一个10个随机数的数组，范围是1到100，我们希望将数据分成5个bin，分别为(1,20]，(20,40]，(40,60]，(60,80] ，(80,100]。

Python3

import pandas as pd 
import numpy as np 
  
  
df= pd.DataFrame({'number':np.random.randint(1, 100, 10)}) 
df['bins'] = pd.cut(x=df['number'], bins=[1, 20, 40, 60,  
                                          80, 100]) 
print(df) 
  
# We can check the frequency of each bin 
print(df['bins'].unique())

输出：

范例2：我们还可以将标签添加到箱子中，例如，让我们看一下前面的示例，并向其中添加一些标签

Python3

import pandas as pd 
import numpy as np 
  
df = pd.DataFrame({'number':np.random.randint(1, 100, 10)}) 
df['bins'] = pd.cut(x=df['number'], bins=[1, 20, 40, 60, 80, 100], 
                    labels=['1 to 20', '21 to 40', '41 to 60', 
                            '61 to 80', '81 to 100']) 
  
print(df) 
  
# We can check the frequency of each bin 
print(df['bins'].unique())

输出：

相关用法

注：本文由纯净天空筛选整理自svrrrsvr大神的英文原创作品 Pandas.cut() method in Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。