我想通过等效分区将数据框列的连续值转换为离散值。例如,以下是我的输入
。
我想将 a
列中的连续值分成 3 个区间。
输入:
import pandas as pd
import numpy as np
df = pd.DataFrame({'a':[1.1, 1.2, 1.3, 2.4, 2.5, 4.1]})
输出:
a
0 1.1
1 1.2
2 1.3
3 2.4
4 2.5
5 4.1
在a
列中,最小值是1.1,最大值是4.1
,我想把它分成3个区间
。
如您所见,每个区间的大小等于 (4.1-1.1)/3 = 1.0
。因此,我可以将 [1.1, 2.1)
区间内的所有值(大于或等于 1.1
且小于 2.1
)视为 0
,[2.1, 3.1)
区间内的所有值为1
,[3.1)区间内的所有值, 4.1]
作为 2
。
这是我的预期结果。
预期:
a
0 0
1 0
2 0
3 1
4 1
5 2
您可以使用 pd.cut
参数 right = False
为:
pd.cut(df.a, bins=3, labels=np.arange(3), right=False)
0 0
1 0
2 0
3 1
4 1
5 2
Name: a, dtype: category
Categories (3, int64): [0 < 1 < 2]
分箱是如何完成的:
pd.cut(df.a, bins=3, right=False)
0 [1.1, 2.1)
1 [1.1, 2.1)
2 [1.1, 2.1)
3 [2.1, 3.1)
4 [2.1, 3.1)
5 [3.1, 4.103)
Name: a, dtype: category
Categories (3, interval[float64]): [[1.1, 2.1) < [2.1, 3.1) < [3.1, 4.103)]
我是一名优秀的程序员,十分优秀!