基于python cut和qcut的用法及区别详解


Posted in Python onNovember 22, 2019

我就废话不多说了,直接上代码吧:

from pandas import Series,DataFrame
import pandas as pd
import numpy as np
from numpy import nan as NA
from matplotlib import pyplot as plt
ages = [20,22,25,27,21,23,37,31,61,45,41,32]
#将所有的ages进行分组
bins = [18,25,35,60,100]
#使用pandas中的cut对年龄数据进行分组
cats = pd.cut(ages,bins)
#print(cats)
#调用pd.value_counts方法统计每个区间的个数
number=pd.value_counts(cats)
#print(pd.value_counts(cats))
#显示第几个区间index值
index=pd.cut(ages,bins).codes
#print(index)
#为分类出来的每一组年龄加上标签
group_names = ["Youth","YouthAdult","MiddleAged","Senior"]
personType=pd.cut(ages,bins,labels=group_names)
#print(personType)
plt.hist(personType)
#plt.show()
#cut和qcut的用法
data=[1,2,3,4,5,6,7,8,9,10]
result=pd.qcut(data,4)
print(' ',result)##qcut会将10个数据进行排序,然后再将data数据均分成四组
#统计落在每个区间的元素个数
print('dasdasdasdasdas:  ',pd.value_counts(result))
#qcut : 跟cut一样也可以自定义分位数(0到1之间的数值,包括端点)
results=pd.qcut(data,[0,0.1,0.5,0.9,1])
print('results:  ',results)
import numpy as np
import pandas as pd
data = np.random.rand(20)
print(data)
#用cut函数将一组数据分割成n份
#cut函数分割的方式:数据里的(最大值-最小值)/n=每个区间的间距
#利用数据中最大值和最小值的差除以分组数作为每一组数据的区间范围的差值
result = pd.cut(data,4,precision=2) #precision保留小数点的有效位数
print(result)
res_data=pd.value_counts(result)
print(res_data)

以上这篇基于python cut和qcut的用法及区别详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持三水点靠木。

Python 相关文章推荐
linux下安装easy_install的方法
Feb 10 Python
利用一个简单的例子窥探CPython内核的运行机制
Mar 30 Python
python使用socket向客户端发送数据的方法
Apr 29 Python
python实现杨辉三角思路
Jul 14 Python
python+pyqt实现12306图片验证效果
Oct 25 Python
python模拟事件触发机制详解
Jan 19 Python
pytorch实现focal loss的两种方式小结
Jan 02 Python
Pyspark读取parquet数据过程解析
Mar 27 Python
Django前后端分离csrf token获取方式
Dec 25 Python
Django一小时写出账号密码管理系统
Apr 29 Python
一篇文章带你搞懂Python类的相关知识
May 20 Python
深入探讨opencv图像矫正算法实战
May 21 Python
python创建学生成绩管理系统
Nov 22 #Python
Python计算不规则图形面积算法实现解析
Nov 22 #Python
python实现连续变量最优分箱详解--CART算法
Nov 22 #Python
pycharm运行scrapy过程图解
Nov 22 #Python
python迭代器常见用法实例分析
Nov 22 #Python
python自动分箱,计算woe,iv的实例代码
Nov 22 #Python
python创建学生管理系统
Nov 22 #Python
You might like
PHP+MYSQL开发工具及资源收藏
2007/01/02 PHP
解析php mysql 事务处理回滚操作(附实例)
2013/08/05 PHP
PHP的MVC模式实现原理分析(一相简单的MVC框架范例)
2014/04/29 PHP
PHP.ini中配置屏蔽错误信息显示和保存错误日志的例子
2014/05/12 PHP
php简单的上传类分享
2016/05/15 PHP
CentOS7编译安装php7.1的教程详解
2019/04/18 PHP
用cookies实现的可记忆的样式切换效果代码下载
2007/12/24 Javascript
JavaScript 学习笔记 Black.Caffeine 09.11.28
2009/11/30 Javascript
用jquery和json从后台获得数据集的代码
2011/11/07 Javascript
js闭包实例汇总
2014/11/09 Javascript
24款热门实用的jQuery插件推荐
2014/12/24 Javascript
jquery 重写 ajax提交并判断权限后 使用load方法报错解决方法
2016/01/19 Javascript
JavaScript必知必会(九)function 说起 闭包问题
2016/06/08 Javascript
js验证框架之RealyEasy验证详解
2016/06/08 Javascript
easyui form validate总是返回false的原因及解决方法
2016/11/07 Javascript
解决vue2.x中数据渲染以及vuex缓存的问题
2017/07/13 Javascript
解决jquery appaend元素中id绑定事件失效的问题
2017/09/12 jQuery
node.js操作MongoDB的实例详解
2017/10/11 Javascript
vue内置组件transition简单原理图文详解(小结)
2018/07/12 Javascript
微信小游戏之使用three.js 绘制一个旋转的三角形
2019/06/10 Javascript
手写Vue弹窗Modal的实现代码
2019/09/11 Javascript
基于Vue sessionStorage实现保留搜索框搜索内容
2020/06/01 Javascript
Python3 能振兴 Python的原因分析
2014/11/28 Python
Python Web框架Flask下网站开发入门实例
2015/02/08 Python
浅析Python中的赋值和深浅拷贝
2017/08/15 Python
python安装numpy&安装matplotlib& scipy的教程
2017/11/02 Python
python删除服务器文件代码示例
2018/02/09 Python
python开发入门——列表生成式
2020/09/03 Python
美国知名日用品连锁超市:Dollar General(多来店)
2017/01/14 全球购物
Nili Lotan官网:Nili Lotan同名品牌
2018/01/07 全球购物
俄罗斯玩具、儿童用品、儿童服装和鞋子网上商店:MyToys.ru
2019/10/14 全球购物
介绍一下MD5加密算法
2016/11/12 面试题
保险专业大专生求职信
2013/10/26 职场文书
演讲稿怎么写才完美
2014/01/02 职场文书
Python中的turtle画箭头,矩形,五角星
2022/03/16 Python
VUE递归树形实现多级列表
2022/07/15 Vue.js