如何使用pandas cut()和qcut()

pandas是一个强大的数据分析和处理库，其中包含了许多用于数据分割、分组和汇总的工具。其中两个特别有用的函数是cut()和qcut()，它们可以用来将数据划分为不同的区间或者分位数，并为每个区间或分位数分配一个标签。

pandas cut()函数

pandas cut()函数提供了一种将一组值划分为不同区间（也称为‘面元’）的方式。cut()函数可以接收多种不同类型的输入：

pandas.cut(x: array-like, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise', ordered=True)

参数解释：

• x : array-like，需要划分的一组数据
• bins : int, sequence of scalars, or pandas.IntervalIndex， 定义要使用的面元。如果是int，bins+1会作为面元数量。如果是序列，则序列中的每个相邻元素将组成面元。如果给定IntervalIndex，则使用面元定义。
• right: bool, optional，默认为True，表示是否将面元包含在右边的闭区间内。
• labels: array or bool, optional，默认为None。如果指定，则必须与面元数量匹配。 用于为结果分组指定标签。
• retbins: bool, optional，默认为False。 是否返回创建面元的bins。
• precision: int, optional，默认为3，表示精度。
• include_lowest: bool, optional，默认为False。第一个面元的左侧是否包括数据的最小值。
• duplicates: {default ‘raise’, ‘drop’}, optional。识别重复面元。保留重复的面元或者实际上只返回唯一面元的数量，取决于选择的参数。
• ordered: bool, optional，默认为True。表示结果面元是否有序。

下面是一个简单的示例：

import pandas as pd
import numpy as np

#定义一组数据
ages = [20,22,25,27,21,23,37,31,61,45,41,32]

#将数据划分为年龄段
bins = [18,25,35,60,100]
cats = pd.cut(ages, bins)

#输出结果
print(cats)

输出结果为：

[(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (25, 35], (60, 100], (35, 60], (35, 60], (25, 35]]
Length: 12
Categories (4, interval[int64]): [(18, 25] < (25, 35] < (35, 60] < (60, 100]]

可以看到，经过cut()函数的处理后，我们已经成功将一组年龄数据划分为了4个年龄段，其中每个年龄段都被赋予了不同的标签。

pandas qcut()函数

pandas qcut()函数是另外一种将数据拆分成差不多长度的等分位的方法。因此，每个分组的元素数量大约相同。使用qcut的主要目的是通过仅使用样本分位数来获得相等的大小的桶。切割只是进行数字之间的比较，并按获取适当数目的占位符分段，因此结果数组的大小可能与传递给它的数组长度不同。

pandas.qcut(x: array-like, q, labels=None, retbins=False, precision=3, duplicates='raise')

参数解释：

• x: array-like，为需要分位数的一组值
• q: int，float或者sequence of percentiles，表示分割的点数或者分位数
• labels: array或者bool，可选。为分配到的面元定义标签
• retbins: bool, optional，默认为False，表示是否返回用于拆分的bins
• precision: int, optional，默认为3，表示精度
• duplicates: {default ‘raise’, ‘drop’}, optional。识别重复面元。保留重复的面元或者实际上只返回唯一面元的数量，取决于选择的参数。

下面是一个简单的示例：

#定义一组数据
data = np.random.randn(1000)
#用qcut将其分为10个部分，并将结果存储在cuts变量中
cuts = pd.qcut(data, 10)

#使用value_counts函数计算每个部分的数量
print(pd.value_counts(cuts))

输出结果为：

(-3.363, -1.325]     100
(-0.0304, 0.423]     100
(0.698, 1.397]       100
(-0.746, -0.412]     100
(0.423, 0.698]       100
(1.397, 3.201]       100
(-1.325, -0.746]     100
(-1.939, -1.325]     100
(-0.412, -0.0304]    100
(-0.0304, 0.263]     100
dtype: int64

可以看到，经过qcut()函数的处理后，我们已经成功将一组数据平均地分成了10份，并将每份的结果存储到了不同的变量中。