pandas cut函数用法

在 Pandas 中，cut() 函数用于将一组数值数据分成多个离散的区间（bins），并将每个数据点分配到对应的区间中。cut() 函数的基本语法如下：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')

其中，各参数的含义如下：

- x：要进行划分的一维数组或 Series 对象。
- bins：用于划分的区间列表或整数，表示将数据分为几个区间。如果 bins 是一个整数，则表示将数据均匀分为 bins 个区间。
- right：布尔值，表示区间是否包含右端点。默认为 True，即包含右端点。
- labels：用于替换区间的标签，必须是与 bins 长度相同的列表或数组。如果未指定，则默认使用区间的整数编码。
- retbins：布尔值，表示是否返回区间的左右端点。默认为 False，即不返回区间端点。
- precision：整数，表示区间的精度。默认为 3，即小数点后保留 3 位。
- include_lowest：布尔值，表示是否包含最低区间。默认为 False，即不包含最低区间。
- duplicates：字符串，表示如何处理重复的区间。默认为 'raise'，即抛出异常，也可以设置为 'drop' 或 'raise'。

例如，假设我们有一个包含 10 个数值的 Series 对象：

import pandas as pd

data = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

我们可以使用 cut() 函数将这些数据分成 3 个区间：

bins = [0, 5, 8, 10]
labels = ['low', 'medium', 'high']

cuts = pd.cut(data, bins=bins, labels=labels)
print(cuts)

输出结果如下：

0       low
1       low
2       low
3       low
4       low
5    medium
6    medium
7    medium
8      high
9      high
dtype: category
Categories (3, object): ['low' < 'medium' < 'high']

可以看到，cut() 函数返回一个 Categorical 类型的对象，其中每个数值被分配到了对应的区间中，并用指定的标签进行了替换。