变量的离散化——自然断点法

#faker酱

已于 2023-04-16 19:59:16 修改

阅读量8.7k

点赞数 18

分类专栏： python文本处理文章标签： python 多分类

于 2022-04-24 16:44:43 首次发布

本文链接：https://blog.youkuaiyun.com/m0_52488320/article/details/124386180

版权

python文本处理专栏收录该内容

11 篇文章

订阅专栏

该博客介绍了如何利用Python的jenkspy库进行自然断点法的数据离散化，通过读取Excel文件，计算各列的分段点，并对数据进行编码。步骤包括确定分段点和根据分段点对数据进行分类，适用于空间计量之外的一般数据处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在数据的离散化中有很多方法，如聚类分析、均值划分等等。自然断点法也是一种常用方法，在空间计量中可能都是现成的软体如Arcgis、geoda等点一下就出来了，但对于一般数据的划分应该怎么办呢？今天基于python的jenkspy库记录一下~

step1:自然断点

import pandas as pd
import jenkspy
import numpy as np

df = pd.read_excel('amos数据.xlsx')
ret={}
for col_name in df:
    col = df[col_name]
    breaks = jenkspy.jenks_breaks(col, nb_class=6) 
    ret[col_name] = breaks

out_df = pd.DataFrame(ret)

输出结果就是分段点的临界值：

step2:编码

seg=[]
result=[]
for i in range(26):#列数
    data=df.iloc[:,i]
    for j in data:
        if j<=out_df.iloc[:,i][0]:
            j=1
        elif j<=out_df.iloc[:,i][1]:
            j=2
        elif j<=out_df.iloc[:,i][2]:
            j=3
        elif j<=out_df.iloc[:,i][3]:
            j=4
        elif j<=out_df.iloc[:,i][4]:
            j=5
        elif j<=out_df.iloc[:,i][5]:
            j=6
        else:
            j=7
        seg.append(j)
    
    result.append(seg)#是 list of list格式
   
result = np.array(result).T

输出结果为：