您好,登录后才能下订单哦!
本篇内容主要讲解“Python怎么实现数据分箱技术”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Python怎么实现数据分箱技术”吧!
1 数据分箱
数据分箱技术在Pandas官方给出的定义:Bin values into discrete intervals,是指将值划分到离散区间。好比不同大小的苹果归类到几个事先布置的箱子中;不同年龄的人划分到几个年龄段中。
这种技术在数据处理时会很有用。
2 例子
我们先来看例子
import numpy as np
import pandas as pd
ages = np.array([5,10,36,12,77,89,100,30,1]) #年龄数据
现把数据划分成 3 个区间,并打上老、中、青的标签。Pandas提供了易用的API,很容易就可以实现。
pd.cut(ages, 3, labels=['青','中','老'])
结果如下,一行代码便实现。
[青, 青, 中, 青, 老, 老, 老, 青, 青]
cut在操作时,统计了一维数组的最小、最大值,得到一个区间长度,因为需要划分3个区间,所以会得到三个均匀的区间,如下。
pd.cut(ages, 3 )>>>区间如下:Categories (3, interval[float64]): [(0.901, 34.0] < (34.0, 67.0] < (67.0, 100.0]]
给定数据的最小值为1,区间默认是左开右闭,所以为了囊括1,需要将最靠左的区间向左延长0.1%(总区间长度),默认精度为小数点后3位。
3 函数原型
通过以上例子初步认识cut后,再分析cut原型就比较容易。
参数含义如下:
x:被切分的类数组数据,注意必须是1维;
bins:简单理解为分箱规则,就是桶。支持int 标量、序列;
right:表示是否包含区间的右边界,默认包含;
labels:分割后的bins打标签;
retbins:表示是否将分割后的bins返回,默认不返回。如为True,则:
array([ 0.901, 34. , 67. , 100. ]))
include_lowest:区间的左边是开还是闭,默认为开;
duplicates:是否允许重复区间。raise:不允许,drop:允许。
到此,相信大家对“Python怎么实现数据分箱技术”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。