Pandas cut 函式
Suraj Joshi
2023年1月30日
2021年2月28日
-
pandas.cut()函式語法 -
示例：使用
pandas.cut()方法將 DataFrame 的列值分佈到 bin 中去 -
示例：使用
pandas.cut()方法將數值分佈到不同的區域，併為每個區域分配一個標籤 -
示例：在
pandas.cut()方法中設定retbins=True來返回 bin 值
pandas.cut() 函式可以將給定的資料分佈到範圍內，範圍也可稱為 bins。
在本文中我們將使用下面的 DataFrame。
import pandas as pd
df = pd.DataFrame({
'Name': ["Anish","Birat","Chirag","Kabin","Sachin"],
'Age': [23,34,38,45,27],
'Score': [316, 322, 332, 330,325],
})
print(df)
輸出：
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
pandas.cut() 函式語法
pandas.cut(x,
bins,
right=True,
labels=None,
retbins=False,
precision=3,
include_lowest=False,
duplicates='raise',
ordered=True)
引數
x |
給定陣列 |
bins |
資料分類的標準 |
right |
布林型。如果為 True，也包括 bins 最右邊的數字。 |
labels |
陣列。bins 的標籤。 |
retbins |
布林型。如果是 True，則返回 bins。 |
precision |
整數型。儲存和展示 bins 的精度 |
ordered |
布林型。如果為 True，則將對結果的標籤進行排序。 |
返回值
它返回一個陣列，陣列代表了 x 中每個元素的 bin 值，如果我們設定了 retbins=True，它也會返回 bins。
示例：使用 pandas.cut() 方法將 DataFrame 的列值分佈到 bin 中去
import pandas as pd
df = pd.DataFrame({
'Name': ["Anish","Birat","Chirag","Kabin","Sachin"],
'Age': [23,34,38,45,27],
'Score': [316, 322, 332, 330,325],
})
print("Initial DataFrame:")
print(df,"\n")
df['Age-Range'] = pd.cut(x=df['Age'], bins=[20,30,40,50])
print("DataFrame with Age-Range:")
print(df)
輸出：
Initial DataFrame:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
DataFrame with Age-Range:
Name Age Score Age-Range
0 Anish 23 316 (20, 30]
1 Birat 34 322 (30, 40]
2 Chirag 38 332 (30, 40]
3 Kabin 45 330 (40, 50]
4 Sachin 27 325 (20, 30]
它將 DataFrame df 中 Age 列的值劃分為使用 pandas.cut() 方法中 bins 引數值計算的年齡範圍，最後顯示 DataFrame 中每行的 Age-Range 值。
這裡，(20,30] 表示從 20 到 30 的值，不包括 20，包括 30。
示例：使用 pandas.cut() 方法將數值分佈到不同的區域，併為每個區域分配一個標籤
預設情況下，分配給每個 bin 的標籤將是 bin 的範圍。我們可以使用 pandas.cut() 函式中的 labels 引數來設定自定義 bin 標籤。
import pandas as pd
df = pd.DataFrame({
'Name': ["Anish","Birat","Chirag","Kabin","Sachin"],
'Age': [23,34,38,45,27],
'Score': [316, 322, 332, 330,325],
})
print("Initial DataFrame:")
print(df,"\n")
bin_labels=labels=['21 to 30', '31 to 40', '41 to 50']
df['Age-Range'] = pd.cut(x=df['Age'], bins=[20,30,40,50],labels=bin_labels)
print("DataFrame with Age-Range:")
print(df)
輸出：
Initial DataFrame:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
DataFrame with Age-Range:
Name Age Score Age-Range
0 Anish 23 316 21 to 30
1 Birat 34 322 31 to 40
2 Chirag 38 332 31 to 40
3 Kabin 45 330 41 to 50
4 Sachin 27 325 21 to 30
它將 Age 列的每個值分配到不同的 bin 中，併為每個 bin 新增一個標籤。
示例：在 pandas.cut() 方法中設定 retbins=True 來返回 bin 值
import pandas as pd
df = pd.DataFrame({
'Name': ["Anish","Birat","Chirag","Kabin","Sachin"],
'Age': [23,34,38,45,27],
'Score': [316, 322, 332, 330,325],
})
print("Initial DataFrame:")
print(df,"\n")
bin_labels=labels=['21 to 30', '31 to 40', '41 to 50']
df['Age-Range'],bin_values= pd.cut(x=df['Age'], bins=[20,30,40,50],labels=bin_labels,retbins=True)
print("DataFrame with Age-Range:")
print(df,"\n")
print("The bin values are:")
print(bin_values)
輸出：
Initial DataFrame:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
DataFrame with Age-Range:
Name Age Score Age-Range
0 Anish 23 316 21 to 30
1 Birat 34 322 31 to 40
2 Chirag 38 332 31 to 40
3 Kabin 45 330 41 to 50
4 Sachin 27 325 21 to 30
The bin values are:
[20 30 40 50]
它顯示帶有 Age-Range 值的 DataFrame 和 bin 值。
Author: Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn