python pandas 分组切割使用 pd.cut

夏日麦香

已于 2024-08-03 11:15:04 修改

阅读量4.8k

点赞数 2

分类专栏：实际问题解决文章标签： pandas python pd.cut 分组切割

于 2019-08-09 10:10:07 首次发布

本文链接：https://blog.youkuaiyun.com/u010652755/article/details/98941804

版权

实际问题解决专栏收录该内容

34 篇文章

订阅专栏

本文通过示例介绍了如何使用 Python 的 Pandas 库进行数据分组切割。通过对数据集中的 A 列和 B 列应用 pd.cut 函数，并设置不同的区间边界，实现了对数据的有效分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd

In [156]: dt = pd.DataFrame({'A':[-10, 0 ,1, 10, 3, 9, 30, 50],'B':[100, 0, 9, -1, 20, 12, 4, 27]})

In [157]: dt
Out[157]: 
    A    B
0 -10  100
1   0    0
2   1    9
3  10   -1
4   3   20
5   9   12
6  30    4
7  50   27

In [162]: cutoff = [float('-inf'), 0, 1, 4, 10, 15, float('inf')]

In [163]: dt['A_cut'] = pd.cut(dt['A'],bins=cutoff, right=False)

In [164]: dt['B_cut'] = pd.cut(dt['B'],bins=cutoff, right=False)

In [165]: dt
Out[165]: 
    A    B         A_cut         B_cut
0 -10  100   [-inf, 0.0)   [15.0, inf)
1   0    0    [0.0, 1.0)    [0.0, 1.0)
2   1    9    [1.0, 4.0)   [4.0, 10.0)
3  10   -1  [10.0, 15.0)   [-inf, 0.0)
4   3   20    [1.0, 4.0)   [15.0, inf)
5   9   12   [4.0, 10.0)  [10.0, 15.0)
6  30    4   [15.0, inf)   [4.0, 10.0)
7  50   27   [15.0, inf)   [15.0, inf)