pandas cut 函数-ag捕鱼王app官网

pandas.cut() 函数可以将给定的数据分布到范围内，范围也可称为 bins。

在本文中我们将使用下面的 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)

输出：

     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() 函数语法

pandas.cut(
    x,
    bins,
    right=true,
    labels=none,
    retbins=false,
    precision=3,
    include_lowest=false,
    duplicates="raise",
    ordered=true,
)

参数

返回值

它返回一个数组，数组代表了 x 中每个元素的 bin 值，如果我们设置了 retbins=true，它也会返回 bins。

示例：使用 pandas.cut() 方法将 dataframe 的列值分布到 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)

输出：

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]

它将 dataframe df 中 age 列的值划分为使用 pandas.cut() 方法中 bins 参数值计算的年龄范围，最后显示 dataframe 中每行的 age-range 值。

这里，(20,30] 表示从 20 到 30 的值，不包括 20，包括 30。

示例：使用 pandas.cut() 方法将数值分布到不同的区域，并为每个区域分配一个标签

默认情况下，分配给每个 bin 的标签将是 bin 的范围。我们可以使用 pandas.cut() 函数中的 labels 参数来设置自定义 bin 标签。

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)

输出：

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

它将 age 列的每个值分配到不同的 bin 中，并为每个 bin 添加一个标签。

示例：在 pandas.cut() 方法中设置 retbins=true 来返回 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)

输出：

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]

它显示带有 age-range 值的 dataframe 和 bin 值。