数据分析之Pandas(八)高级处理-数据离散化与数据合并

本文介绍了Pandas中数据离散化的方法,包括为何进行离散化,如何使用pd.qcut()和pd.cut()进行离散化,以及离散化后的统计操作。同时,讲解了数据合并的两种方式:pd.concat和pd.merge,分别演示了它们在不同场景下的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

数据离散化

什么是离散化?

连续数据:身高,年龄,工资

离散数据:矮,高,红,绿,好,坏

连续属性的离散化就是将连续属性的值域上,将值域划分为若干个离散的区间,最后用不同的符号或整数 值代表落在每个子区间中的属性值。

离散化有很多种方法,这使用一种最简单的方式去操作

  • 原始的身高数据:165,174,160,180,159,163,192,184
  • 假设按照身高分几个区间段:(150, 165], (165, 180], (180, 195]
    这样我们将数据分到了三个区间段,我可以对应的标记为矮、中、高三个类别,最终要处理成一个“哑变量”矩阵。
    在这里插入图片描述
为什么要离散化

连续属性离散化的目的是为了简化数据结构,数据离散化技术可以用来减少给定连续属性值的个数。离散化方法经常作为数据挖掘的工具。

如何实现数据的离散化
  • pd.qcut() 对Series做分组切开,生成的结果也是Series,长度与原数据一样,值变成所在区间的名字(分类名字)

  • pd.qcut()与pd.cut() 的区别?
    pd.qcut()通过指定分组数量,自动确定切分点
    pd.cut()手动指定切分点

  • 对于离散化后的数据,可以做进一步的统计操作,比如说:

    • 用s.value_counts()来对离散的结果做频率计算
    • 用pd.get_dummies()对结果做one-hot编码

案例:股票的涨跌幅离散化

我们对股票每日的"p_change"进行离散化

读取股票的数据

先读取股票的数据,筛选出p_change数据
在这里插入图片描述
将股票涨跌幅数据进行分组
在这里插入图片描述
使用的工具:

  • pd.qcut(data, bins):
      <
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值