Python大数据培训：离散化连续数据

更新时间:2022年09月01日15时07分来源:传智教育浏览次数:

　　有时候我们会碰到这样的需求，例如，将有关年龄的数据进行离散化(分桶)或拆分为“面元”，直白来说，就是将年龄分成几个区间。Pandas的cut()函数能够实现离散化操作，该函数的语法格式如下：

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

　　上述函数中常用参数表示的含义如下：

　　(1)x：表示要分箱的数组，必须是一维的。

　　(2)bins：接收int和序列类型的数据。如果传入的是int类型的值，则表示在x范围内的等宽单元的数量(划分为多少个等间距区间);如果传入的是一个序列，则表示将x划分在指定的序列中，若不在此序列中，则为NaN。

　　(3)right：是否包含右端点，决定区间的开闭，默认为True。

　　(4)labels：用于生成区间的标签。

　　(5)retbins：是否返回bin。

　　(6)precision：精度，默认保留三位小数。

　　(7)include_lowest：是否包含左端点。

　　cut()函数会返回一个Categorical对象，我们可以将其看作一组表示面元名称的字符串，它包含了分组的数量以及不同分类的名称。

　　假设当前有一组年龄数据，需要将这组年龄数据划分为0～12岁、12～25岁、25～45岁、45～50岁、50岁以上共5种类型，图4-28是将这些数据经过面元划分前后的对比效果。

面元化处理过程

　　图4-28 面元化处理过程

最新资讯