詳解pd.cut函數

一、pd.cut用法

pd.cut()是一個用於將連續變量轉換成離散變量的函數，通俗地說就是將一組數據按照一定的規則自動分成幾段，然後用這幾段來表示原來的數據。

二、pd.cut函數

pd.cut()函數的基本語法如下：

bins = [bin1, bin2, bin3, ....]
pd.cut(data, bins)

其中data為待分割的數據，bins為分割的規則。bins可以為數字，也可以為序列，如果為數字表示將整個數列分成幾段，序列則表示每段指定具體的切分節點。

三、pd.cut函數判斷區間

pd.cut()函數判斷區間時默認是左開右閉，即分段區間為(left,right]。

四、pd.cut參數

在pd.cut()函數中，還有一些參數可以控制分段的方式，包括：

• labels: 分段後每一段的標籤。
• include_lowest: 是否在最低區間間隔內，加入low_edge（最小值-0.1）。
• right: 是否將值視為右限，默認為True。
• precision: 僅對小數有效，設定小數的精度。

五、pd.cut左閉右開

控制pd.cut()函數的左閉右開用參數right，在pd.cut()函數中right默認為True，即右側的區間與前一個區間相鄰。

六、pd.cut函數股票

對於股票分組機制，我們通常需要在大量的指標中選擇一些比較重要的數據，並按照一定的規則來使每隻股票分別處於自己所在的分組，pd.cut()函數有很好的實用效果。

七、pd.cut設置bin

pd.cut()中的bin參數決定了將整個數列分割成幾個等分點，bin參數可以是一個整數n，表示將整個數列等分成n等份。也可以是一個列表，表示用這些桶序列來分割數據。

例如，下列代碼將序列s分割成5個等分點，生成6個分組：

import pandas as pd
import numpy as np

s = pd.Series(np.random.randn(100))
s = pd.Series(pd.cut(s, 5))
print(s.value_counts())

輸出為：

(-2.082, -1.336]     22
(-1.336, -0.596]     35
(-0.596, 0.142]      26
(0.142, 0.881]       10
(0.881, 1.621]        7
dtype: int64

八、pd.cut後按順序排列

pd.cut()默認會根據邊緣數值進行排序。如果要根據切片順序將結果排序（而不是按峰值），請將參數ordered設置為False。

九、pd.cut什麼意思

pd.cut()函數將連續變量離散化成無序的 categorical 變量，是數據處理中的一個非常實用的函數。

十、pd.cut函數給股票分組

了解了pd.cut()函數的基本用法和相關參數，我們可以嘗試將其應用到股票分組中，分組取權值的思路大概如下：

• 按照市值大小將所有股票分為若干組。
• 每組中按照一定的篇幅分層打分。
• 最後得到每個股票的大小分數。

實現起來，我們根據市值（net_asset_value）進行排序，將股票分為若干組，從而可以實現個股的分類。

示例代碼如下：

import pandas as pd
import numpy as np

# 準備數據
data = pd.read_csv('example.csv')
data = data.sort_values('net_asset_value') # 按市值排序
data = data.reset_index(drop=True)

# 切分並保存分組
data['groups'] = pd.cut(data.index, bins=10, labels=range(10))

# 打分
data['points'] = np.exp(-(data.groups.astype(int) - 4) ** 2)

# 按得分排序並輸出
data = data.sort_values('points', ascending=False)
print(data.head())