4. 离散化

  1. 连续数据常常会被离散化或者拆分成面元bin。可以通过pandas.cut()函数来实现：

    1.   pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3,
    3.   include_lowest=False)

    • x：一维的数据。

    • bins：一个整数或者一个序列。

      • 整数：它指定了划分区间的数量。每个区间是等长的，且最左侧的区间的左侧比x最小值小0.1%；最右侧的区间的右侧比x最大值大0.1%。
      • 一个序列：它给出了bins的每个划分点。

    • right：一个布尔值。如果为True，则区间是左开右闭；否则区间是左闭右开的区间。

    • labels：一个array或者None。如果为一个array，则它指定了结果bins的label（要求长度与bins数量相同）。如果为None，则使用区间来表示。

    • retbins：一个布尔值。如果为True，则返回bins

    • precision：一个整数，给出存储和显示bin label的精度

    • include_lowest：一个布尔值。如果为True，则最左侧bin的左侧是闭区间

    返回的是一个Categorical对象或者Series对象。该函数类似于numpy.histogram()函数。

  2. 另外一个划分的函数是：

    1.  pandas.qcut(x, q, labels=None, retbins=False, precision=3)

    • q：一个整数或者序列。

      • 整数：它指定了划分区间的数量。
      • 一个序列：它给出了百分比划分点。比如[0,0.25,0.5,0.75,0.1]。0.25代表25%划分点。如果数据不在任何区间内，则标记为NaN。
    • 其他参数与cut相同。(qcut没有bins参数）

    cut0 cut1 cut2