数据分箱技术Binning

数据分箱技术Binning

数据分箱就是按照某种规则将数据进行分类。就像可以将水果按照大小进行分类,售卖不同的价格一样。

对Series进行分箱

创建一个整形随机的series,表示学生的成绩:

然后指定一个分箱原则

然后利用pandas中的cut方法,指定分箱规则和对象,结果将获得一个Categories对象:

使用pandas中的value_counts方法来统计各个段内数据的个数:

对Dataframe分箱

创建一个包含学生分数和姓名的dataframe:

这里的pd.util.testing.rands(3) for i in range(20)可以生成20个随机3位字符串。

然后使用前面的bins标准对df1进行分箱,得到一个Categories对象:

这样子可读性不好,可以指定label参数为每个区间赋一个标签: