Python Pandas qcut方法用法及代码示例

Pandas 的 qcut(~) 方法将数值分类为分位数箱(间隔)，以便每个箱中的项目数量相等。

参数

1. x | array-like

一个一维输入数组，其数值将被分段到容器中。

2. q | int 或 sequence<number> 或 IntervalIndex

分位数的数量。如果 q=4 ，则将计算四分位数。您还可以传入四分位数数组(例如 [0, 0.1, 0.5, 1] ]。

3. labels | array 或 False | optional

所需的箱子标签。默认情况下，labels=None 。

4. retbins | boolean | optional

是否返回箱子。默认情况下，retbins=False 。

5. precision | int | optional

容器标签中包含的小数位数。默认情况下，precision=3 。

6. duplicates | string | optional

如何处理重复的 bin 边：

值	说明
`"raise"`	如果设置了任何重复的 bin 边，则会抛出错误。
`"drop"`	删除重复的箱子边并只保留一个。

默认情况下，duplicates="raise" 。

返回值

如果 retbins=False ，则返回类型取决于 labels 参数的值：

如果未指定 labels，则返回对每个值的 bin 进行编码的 Series 或 Categorical。
如果提供数组，则返回 Series 或 Categorical。
如果提供布尔值 False，则返回 NumPy 整数数组。

如果 retbins=True ，则除了上述内容之外，容器还将作为 NumPy 数组返回。如果 x 是 IntervalIndex ，则返回 x 。

例子

考虑以下有关学生及其成绩的DataFrame：

raw_grades = [3,6,8,7,3,5]
students = ["alex", "bob", "cathy", "doge", "eric", "fred"]
df = pd.DataFrame({"name":students,"raw_grade":raw_grades})
df



   name  raw_grade
0  alex     3
1  bob      6
2  cathy    8
3  doge     7
4  eric     3
5  fred     5

基本用法

将原始等级分为四个箱(段)：

df["grade"] = pd.qcut(df["raw_grade"], q=4)
df



   name  raw_grade     grade
0  alex     3       (2.999, 3.5]
1  bob      6       (5.5, 6.75]
2  cathy    8       (6.75, 8.0]
3  doge     7       (6.75, 8.0]
4  eric     3       (2.999, 3.5]
5  fred     5       (3.5, 5.5]

这里的四个四分位数如下：

1st: (2.999, 3.5]
2nd: (3.5, 5.5]
3rd: (5.5, 6.75]
4th: (6.75, 8.0]

请注意， (2.995, 3.5] 仅表示 2.999 < raw_grade <= 3.5 。

指定四分位数

要指定自定义四分位数，我们可以传入四分位数 array 而不是 int ：

df["grade"] = pd.qcut(df["raw_grade"], q=[0, .4, .8, 1])
df



   name  raw_grade    grade
0  alex     3      (2.999, 5.0]
1  bob      6      (5.0, 7.0]
2  cathy    8      (7.0, 8.0]
3  doge     7      (5.0, 7.0]
4  eric     3      (2.999, 5.0]
5  fred     5      (2.999, 5.0]

指定标签

我们可以通过设置labels参数来为我们的箱子添加标签：

df["grade"] = pd.qcut(df["raw_grade"], q=4, labels=["D","C","B","A"])
df



   name  raw_grade  grade
0  alex     3         D
1  bob      6         B
2  cathy    8         A
3  doge     7         A
4  eric     3         D
5  fred     5         C

这是qcut(~) 方法的一个非常实用的函数。这里，labels 数组的长度必须等于指定的四分位数。

指定 retbins

要获得计算的 bin 边，请设置 retbins=True ：

x = [3,6,8,7,4,5]
res = pd.cut(x, bins=2, retbins=True)
print("Categories: ", res[0])
print("Bin egdes: ", res[1])



Categories:  [(2.999, 4.5], (4.5, 6.0], (6.75, 8.0], (6.75, 8.0], (2.999, 4.5], (4.5, 6.0]]
Categories (4, interval[float64]): [(2.999, 4.5] < (4.5, 6.0] < (6.0, 6.75] < (6.75, 8.0]]
Bin egdes:  [ 3.    4.5   6.    6.75  8.  ]

指定精度

为了控制显示多少位小数，请设置precision参数：

x = [3,6,8,7,4,5]
bins = pd.qcut(x, q=4, precision=2)
print(bins)



[(2.99, 4.25], (5.5, 6.75], (6.75, 8.0], (6.75, 8.0], (2.99, 4.25], (4.25, 5.5]]
Categories (4, interval[float64]): [(2.99, 4.25] < (4.25, 5.5] < (5.5, 6.75] < (6.75, 8.0]]

在这里，2.999 被截断为 2.99，因为我们将 precision 设置为 2 。

指定重复项

默认情况下，bin 边必须是唯一的，否则将引发错误。例如：

x = [3,6,8,7,3,5]
pd.qcut(x, q=5)   # duplicates="raise"



ValueError: Bin edges must be unique: array([ 3.,  3.,  5.,  6.,  7.,  8.]).

在这里，我们最终得到了值为 3 的两个 bin 边，因此这就是我们收到错误的原因。

为了删除(删除)多余的 bin 边，请设置 duplicates="drop" ，如下所示：

x = [3,6,8,7,3,5]
pd.qcut(x, q=5, duplicates="drop")



[(2.999, 5.0], (5.0, 6.0], (7.0, 8.0], (6.0, 7.0], (2.999, 5.0], (2.999, 5.0]]
Categories (4, interval[float64]): [(2.999, 5.0] < (5.0, 6.0] < (6.0, 7.0] < (7.0, 8.0]]

相关用法

注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas | qcut method。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。