利用pandas实现连续数据的离散化处理(分箱操作)

Python实现连续数据的离散化处理主要基于两个函数，pandas.cut和pandas.qcut，前者根据指定分界点对连续数据进行分箱处理，后者则可以根据指定箱子的数量对连续数据进行等宽分箱处理，所谓等宽指的是每个箱子中的数据量是相同的。下面简单介绍一下这两个函数的用法：

# 导入pandas包
import pandas as pd
ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32]   # 待分箱数据
bins = [18, 25, 35, 60, 100]   # 指定箱子的分界点

pandas.cut函数 ：

cats1 = pd.cut(ages, bins)
cats1

cats1结果： 

• [(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (25, 35], (60, 100], (35, 60],
  (35, 60], (25, 35]]
  Length: 12
  Categories (4, interval[int64]): [(18, 25] < (25, 35] < (35, 60] < (60, 100]]

# labels参数为False时，返回结果中用不同的整数作为箱子的指示符
cats2 = pd.cut(ages, bins,labels=False)  
cats2  # 输出结果中的数字对应着不同的箱子

cats2结果：