用pandas.cut进行离散化处理的样例

假设我们有一个包含年龄的数据集，我们希望将年龄划分为几个年龄段（例如，18-30岁，31-40岁等等）。我们可以使用 pandas.cut 函数来实现这个目标。

下面是一个示例代码：

import pandas as pd

# 创建一个包含年龄的数据集
df = pd.DataFrame({'age': [22, 25, 31, 35, 39, 41, 46, 50, 55, 60]})

# 将年龄划分为四个年龄段
bins = [18, 30, 40, 50, 60]
labels = ['18-30', '31-40', '41-50', '51-60']
df['age_group'] = pd.cut(df['age'], bins=bins, labels=labels)

print(df)

输出结果如下：

   age age_group
0   22     18-30
1   25     18-30
2   31     31-40
3   35     31-40
4   39     31-40
5   41     41-50
6   46     41-50
7   50     41-50
8   55     51-60
9   60     51-60

在上面的代码中，我们创建了一个包含年龄的数据集，并使用 `pd.cut` 函数将年龄划分为四个年龄段。参数 `bins` 是分段的边界，`labels` 是每个分段的标签。`pd.cut` 函数会返回一个包含每个数据点所属分段的 Series，我们将其添加到原数据集中作为新的一列。