python - 如何通过 Pandas 中的等效分区将连续值转换为离散值

Question

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

Answer 1

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)]