pd.qcut()函數詳解

一、pd.qcut函數

pd.qcut是pandas庫提供的一個用於將連續值轉化為離散值的函數。這個函數會將數據按照指定的區間範圍進行分割，每個區間內的數據將會被轉化為離散值，而這些離散值將被映射到相應的區間範圍內。

簡而言之，pd.qcut將連續數據分解成離散數據，並通過分解區間給每個數據一個離散值。

二、pd.qcut python

data = [0.1, 0.5, 0.4, 0.3, 0.7, 0.9, 0.6]
pd.qcut(data, q=3)

運行這個程序可以將一個包含七個連續值的列表分開成3個區間範圍-即分成3組。其中，參數q表示分成3組。輸出結果如下：

[(0.099, 0.4], (0.4, 0.6], (0.4, 0.6], (0.099, 0.4], (0.6, 0.9], (0.6, 0.9], (0.4, 0.6]]
Categories (3, interval[float64]): [(0.099, 0.4] < (0.4, 0.6] < (0.6, 0.9]]

可以看到，每個數據點所在的區間範圍被封裝在一個interval對象中，其所屬的離散值由於沒有設置labels參數而被默認使用了每個區間範圍的編號。

三、pd.qcut用法

pd.qcut中有許多可供選擇的參數可以進行設置。下面我們將介紹其中一些最常用的參數：

1. qcut中的參數labels

labels表示為所劃分的區間進行命名，並將每個數據點所在的區間範圍映射到相應的區間名稱中。

pd.qcut(data, q=3, labels=["low", "mid", "high"])

運行這個程序將對數據進行同樣的分組，同時將每組的名稱保存在labels列表中輸出。輸出結果如下：

[low, mid, mid, low, high, high, mid]
Categories (3, object): [low < mid < high]

2. qcut中的參數retbins

retbins表示是否返回區間分段後的數據範圍。

bins, ret = pd.qcut(data, q=3, retbins=True)

運行這個程序將返回分組後的區間範圍和bin的值。輸出結果如下：

[low, mid, mid, low, high, high, mid]
Categories (3, object): [low < mid < high]
[0.099       0.4         0.6         0.9       ]

四、pd.qcut 降序

降序是指將數據從大到小進行區間分組。這個過程與其它形式的區間分組類似，只是在分組時將數據倒序排列。

pd.qcut(data, q=3, labels=["high", "mid", "low"],duplicates="drop")

運行這個程序將返回按照降序分成的三個區間範圍，並放置在labels列表中。輸出結果如下：

[low, mid, mid, high, high, high, mid]
Categories (3, object): [high < mid < low]

五、pd.qcut()詳解

在pd.qcut()函數中，標籤與區間數量的選擇可以起到調節分組粒度的作用。qcut()函數的語法結構如下：

pd.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')

這裡，參數x代表的是被分組數據的數據集；參數q代表的是分割的區間個數；參數labels代表的是每個區間被分割後的名稱；參數retbins指定是否返回分割後的區間範圍；參數precision指的是數據精度；參數duplicates指定去除重複數據時的行為。

六、pd.qcut怎麼設置開閉方向

在qcut中可以設置開閉區間的方向。區間開閉指的是區間中數據端點的取捨問題。默認情況下，pd.qcut默認的區間開閉方向為左閉右開，也就是說左端點位於區間範圍內，而右端點不在區間範圍內。

如果需要改變默認的左閉右開區間方向，只需要在調用qcut函數的時候加入參數right=False即可。如下所示：

pd.qcut(data, q=3, labels=["high", "mid", "low"],duplicates="drop",right=False)

七、pd.qcut()示例

接下來我們給出一個具體的例子來測試和展示pd.qcut()函數的用法：

import pandas as pd
import numpy as np

# 數據集
raw_data = {'score': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]}
df = pd.DataFrame(raw_data, columns=['score'])

# 4等分，如果遇到重複的，直接去掉
df['qcut'] = pd.qcut(df.score, 4, duplicates='drop')

# 4等分，每等分的樣本數幾乎相等
df['qcut'] = pd.qcut(df.score, 4)

print(df)

首先定義了一個數據集raw_data，然後使用pandas讀取數據，並在數據集中添加一列新的列名為qcut用於存儲分割後的區間範圍。然後分別對數據進行了4等分，最後輸出數據集。

運行結果如下：

score           qcut
0     10  (9.999, 30.0]
1     20  (9.999, 30.0]
2     30   (30.0, 50.0]
3     40   (30.0, 50.0]
4     50   (50.0, 70.0]
5     60   (50.0, 70.0]
6     70   (50.0, 70.0]
7     80   (70.0, 90.0]
8     90   (70.0, 90.0]
9    100   (90.0, 100.0]

八、小結

本篇文章詳細介紹了pd.qcut函數的相關知識。可以看出，pd.qcut函數是一個非常實用的pandas函數，它可以將連續的數據轉化為離散的數據，將數據映射到不同的區間範圍內，降低了數據的精度，提高了數據的可讀性。