python 传递函数离散化

在Python中，"传递函数离散化"通常是指将连续数据通过某种方式划分成离散的区间或类别。这可以用于数据预处理，特别是在机器学习和数据分析中，常见的做法有：

1. **直方图** (Histogram): 使用`numpy`库的`histogram()`函数，对一列数值数据按一定范围划分，生成每个区间的数据频数。

import numpy as np
data = [1, 2, 3, 4, 5]
bins = np.arange(0, 6)  # 定义区间
counts, _ = np.histogram(data, bins)

2. **分箱法** (Binning): 类似于直方图，使用pandas的`cut()`或`qcut()`函数，可以根据特定规则（如等宽或等频）对数据进行分组。

import pandas as pd
df = pd.DataFrame({'scores': [1, 2, 3, 4, 5]})
binned_data = pd.cut(df['scores'], [0, 2, 4, 6], labels=['low', 'mid', 'high'])

3. **量化** (Quantization): 对连续特征应用量化算法，比如K-means聚类或最小二乘回归后的整数映射。

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
quantized_data = kmeans.fit_transform(data.reshape(-1, 1))