离散化和面元划分（可以理解为划分段）

为了便于分析， 连续数据常常被离散化或拆分为“面元”（bin）。假设有一组人员数据， 而你希望将他们划分为不同的年龄组：

ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32]

接下来将这些数据划分为“18到25”， 26-35， 35-60， 60以上几个面元。要实现该功能，需要pandas的cut函数：

cut

ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32]

bins = [18, 25, 35, 60, 100]

cats = pd.cut(ages, bins)

print(cats)

 

pandas返回的是一个特殊的Categorical对象。你可以将其看作一组表示面元名称的字符串。实际上它含义一个表示不同分类名称的levels数组以

及一个为年龄数据进行标号的labels属性。， 以及各个阶段人的数量统计

特别注意，已经取消的levels，而且labels将被替换成codes

print(cats.labels)
print(cats.codes)
print(pd.value_counts(cats))

调整区间符号

 跟“区间”的数学符号一样， 圆括号表示开端， 而方括号表示闭端（包括）。哪边是闭端可以通过right=False进行修改：

自定义面元名称--可以结合value_counts使用

自定义面元名称， 将labels选项设置为一个列表或数组即可：

ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32]

bins = [18, 25, 35, 60, 100]

print(pd.cut(ages, bins, labels=[i for i in "abcd"]))

 

 如果不确定面元切面怎么办

 如果向cut传入的是面元数量而不是确切的面元边界， 则它会根据数据的最小值和最大值计算等长面元。看例子， 分4组

data = np.random.rand(20)

ret = pd.cut(data, 4, precision=2)

print(ret)

 

 qcut 是一个非常类似于cut的函数， 它可以根据样本分位数对数据进行面元划分。

data = np.random.randn(1000)  #正泰分布

cats = pd.qcut(data, 4) #按四分位数进行切割

print(cats)
print(pd.value_counts(cats))

 感觉那里怪怪的，下面这个