一个简短的例子pd.cut
.
让我们从一些数据框开始:
df = pd.DataFrame({'A': [0, 8, 2, 5, 9, 15, 1]})
比如说,我们想要将数字分配到以下类别:'low'
如果一个数字在区间内[0, 2]
, 'mid'
for (2, 8]
, 'high'
for (8, 10]
,并且我们排除大于 10(或小于 0)的数字。
因此,我们有 3 个带边的 bin:0、2、8、10。现在,我们可以使用cut
如下:
pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True)
Out[33]:
0 [0, 2]
1 (2, 8]
2 [0, 2]
3 (2, 8]
4 (8, 10]
5 NaN
6 [0, 2]
Name: A, dtype: category
Categories (3, object): [[0, 2] < (2, 8] < (8, 10]]
论据include_lowest=True
包括第一个区间的左端。 (如果您希望间隔在右侧打开,则使用right=False
.)
间隔可能不是类别的最佳名称。那么,让我们使用名称:low/mid/high
:
pd.cut(df['A'], bins=[0, 2, 8, 10], include_lowest=True, labels=['low', 'mid', 'high'])
Out[34]:
0 low
1 mid
2 low
3 mid
4 high
5 NaN
6 low
Name: A, dtype: category
Categories (3, object): [low < mid < high]
被排除的数字 15 得到一个“类别”NaN
。如果您喜欢更有意义的名称,可能最简单的解决方案(还有其他方法来处理 NaN)是添加另一个 bin 和类别名称,例如:
pd.cut(df['A'], bins=[0, 2, 8, 10, 1000], include_lowest=True, labels=['low', 'mid', 'high', 'excluded'])
Out[35]:
0 low
1 mid
2 low
3 mid
4 high
5 excluded
6 low
Name: A, dtype: category
Categories (4, object): [low < mid < high < excluded]