離散化連續(xù)數(shù)據(jù)

離散化連續(xù)數(shù)據(jù)教師：亢華愛北京信息職業(yè)技術學院商務數(shù)據(jù)分析與應用專業(yè)教學資源庫目錄Contents離散化連續(xù)數(shù)據(jù)概述1PART概述概述有時候我們會碰到這樣的需求，例如，將有關年齡的數(shù)據(jù)進行離散化(分桶)或拆分為“面元”，直白來說，就是將年齡分成幾個區(qū)間。Pandas的cut()函數(shù)能夠實現(xiàn)離散化操作語法格式Pandas.cut(x，bins，right=True，labels=None，retbins=False，precision=3，include_lowest=Fa1se，duplicates='raise')概述參數(shù)含義(1)x：表示要分箱的數(shù)組，必須是一維的。(2)bins：接收int和序列類型的數(shù)據(jù)。如果傳入的是int類型的值，則表示在x范圍內(nèi)的等寬單元的數(shù)量(劃分為多少個等間距區(qū)間)；如果傳入的是一個序列，則表示將x劃分在指定的序列中，若不在此序列中，則為NaN。(3)right：是否包含右端點，決定區(qū)間的開閉，默認為True。概述參數(shù)含義(4)labels：用于生成區(qū)間的標簽。(5)retbins：是否返回bin。(6)precision：精度，默認保留三位小數(shù)。(7)include_lowest：是否包含左端點。cut()函數(shù)會返回一個Categorical對象，我們可以將其看作一組表示面元名稱的字符串，它包含了分組的數(shù)量以及不同分類的名稱。2PART離散化連續(xù)數(shù)據(jù)離散化連續(xù)數(shù)據(jù)假設當前有一組年齡數(shù)據(jù)，需要將這組年齡數(shù)據(jù)劃分為0?12歲、12?25歲、25?45歲、45?50歲、50歲以上共5種類型此圖是將這些數(shù)據(jù)經(jīng)過面元劃分前后的對比效果面元化處理過程接下來，我們通過一個示例來演示如何使用cut()函數(shù)將這組年齡數(shù)據(jù)進行面元劃分，具體代碼如下In[43]：importpandasaspd#使用pandas的cut函數(shù)劃分年齡組ages=[20，22，25，27，21，23，37，31，61，45，32]bins=[0，18，25，35，60，100].cuts=pd.cut(ages，bins)cutsOut[43]：[(18，25]，(18，25]，(18，25]，(25，35]，(18，25]， …，(35，60]，(25，35]，(60，100]，(35，60]，(25，35]]Length：11Categories(5，interval[int64])：[(0，18]<(18，25]<(25，35]<(35，60)<(60，100))離散化連續(xù)數(shù)據(jù)離散化連續(xù)數(shù)據(jù)上述代碼中，定義了表示年齡數(shù)據(jù)集和劃分規(guī)則的變量ages和bins，然后調(diào)用cut()函數(shù)將ages按照bins的劃分規(guī)則進行離散化。上述示例返回了一個Categories類對象，它包含了面元劃分的個數(shù)以及各區(qū)間的范圍。Categories對象中的區(qū)間范圍跟數(shù)學符號中的“區(qū)間”一樣，都是用圓括號表示開區(qū)間，用方括號則表示閉區(qū)間。如果希望設置左閉右開區(qū)間，則可以在調(diào)用cut()函數(shù)時傳入right=False進行修改，示例代碼如下In[44]：pd.cut(ages，bins=bins，right=False)Out[44]：[[18，25]，[18，25)，[18，25)，[25，35)，[18，25)， …，[35，60)，[25，35)，[60，100)，[35，60)，[25，35)]Length：11Categories(5，interval[int64])：[[0，18)<[18，25)<[25，35)<[35，60)<[60，100)]離散化連續(xù)數(shù)據(jù)參考