python-pandas.cut()数据分箱
在对数据处理的过程中，经常会用到对不同阈值的数据贴上不同的标签，或者将连续数据转换成分类数据，pandas中的cut函数可以较好解决数据划分不同标签问题。
pandas.cut(x,
bins,
right=True,
labels=None,
retbins=False,
precision=3,
include_lowest=False,
duplicates='raise',
ordered=True
)
参数解释：
x ： 要进行分割的一维数组。
bins ：整数，标量序列或者间隔索引，是进行分组的依据。
- 如果填入整数n，则表示将x中的数值分成等宽的n份（即每一组内的最大值与最小值之差约相等）；
- 如果是标量序列，序列中的数值表示用来分档的分界值
- 如果是间隔索引，“ bins”的间隔索引必须不重叠
right：布尔值，默认为True表示包含最右侧的数值。
- 当right = True（默认值）时，则bins=[1、2、3、4]表示（1,2],（2,3],（3,4]
- 当bins是一个间隔索引时，该参数被忽略。
labels : 数组或布尔值，可选.指定分箱的标签。
- 如果是数组，长度要与分箱个数一致，比如bins=[1、2、3、4]表示（1,2]，（2,3],（3,4]一共3个区间，则labels的长度也就是标签的个数也要是3
- 如果为False，则仅返回分箱的整数指示符，即x中的数据在第几个箱子里。
当bins是间隔索引时，将忽略此参数
retbins：是否显示分箱的分界值。默认为False，当bins取整数时可以设置retbins=True以显示分界值，得到划分后的区间
precision：整数，默认3，存储和显示分箱标签的精度。
include_lowest：布尔值，表示区间的左边是开还是闭，默认为false，也就是不包含区间左边。
duplicates：如果分箱临界值不唯一，则引发ValueError或丢弃非唯一。
栗子：
import numpy as np
import pandas as pd
分割成等宽的n等分，bins=n
x = np.array([1, 7, 5, 4, 6, 3])
pd.cut(x, bins=3)
分割等宽n等分并指定标签
x = np.array([1, 7, 5, 4, 6, 3])
pd.cut(x, bins=3, labels=["bad", "medium", "good"])
只返回bin，设置labels=False
x = np.array([1, 7, 5, 4, 6, 3])
pd.cut(x, bins=3, labels=False)
结果表示数字1在第0号箱子，数字7在第2号箱子....
显示分界值，retbins=True
bins传入间隔索引
s = pd.Series(np.array([2, 4, 6, 8, 10]),
index=['a', 'b','c', 'd', 'e'])
pd.cut(s, bins=[0, 2, 4, 6, 8, 10], labels=False, retbins=True, right=False) # 不设置标签，显示分界值，不含最右侧值
bins传入间隔索引存在重复数据
s = pd.Series(np.array([2, 4, 6, 8, 10]),
index=['a', 'b','c', 'd', 'e'])
pd.cut(s, bins=[0, 2, 4, 6, 10, 10], labels=False, retbins=True, right=False
, duplicates='drop') # 不设置标签，显示分界值，不含最右侧值
