在數據分析中，通常需要把連續的數據離散化或拆分成多個區間（bin），這就需要用到cut()或qcut()函數。
一，cut函數
把值切分成離散的區間，有三種切分方式，第一種方式是制定區間的數量，把連續值平均切分；第二種方式是以標量值序列指定各個區間的邊界值；第三種方式是以IntervalIndex 精確指定各個區間，區間之間不允許重疊。
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)
參數注釋：
- x：array-like
- bins：如果是整數，表示切分區間的數量；如果是整數序列（從小到大），表示通過元素指定各個區間的邊界；如果是IntervalIndex，表示精確指定各個區間。
- right：是否包含區間的右邊界
- labels：為每一個區間指定一個標簽
- retbins：是否返回bins（切分的區間的邊界）
- precision：指定區間標簽（bin label）的精度，通常是對浮點數標簽來說，指定小數點后的位數
- include_lowest：指定第一個區間是否包含最低值
cut函數返回的是Categorical的對象，這是一個array-like對象，表示每一個x元素所在的區間。
1，Categorical類型
Categorical類型是指對list-like對象進行分類，返回值包括兩部分，第一部分是列表，表示對原始list-like中各個元素進行分類之后的類標簽，第二部分是類別信息。
舉個例子，返回值第一部分是一個列表，元素是1,2,3表示各個分類。第二部分是Categories信息，共分為3類，類標簽的類型是int64，類別（bins）是[1,2,3]。
>>> pd.Categorical([1, 2, 3, 1, 2, 3]) [1, 2, 3, 1, 2, 3] Categories (3, int64): [1, 2, 3]
2，指定切分區間的數量
把ages列表平均划分為4個區間，返回的結果中，第一部分是區間的標簽，這是由左開右閉的區間構成的列表；第二部分是元素的數量（Length），第三部分是分類信息，有4個分類，最后返回bins數組。
>>> ages=[20,22,25,27,21,23,37,31,61,45,41,32]
>>> cats=pd.cut(x=ages,bins=4,precision =0,retbins=True)
>>> cats
([(20.0, 30.0], (20.0, 30.0], (20.0, 30.0], (20.0, 30.0], (20.0, 30.0], ..., (30.0, 40.0], (51.0, 61.0], (40.0, 51.0], (40.0, 51.0], (30.0, 40.0]]
Length: 12
Categories (4, interval[float64]): [(20.0, 30.0] < (30.0, 40.0] < (40.0, 51.0] < (51.0, 61.0]], array([19.959, 30.25 , 40.5 , 50.75 , 61. ]))
2，指定切分區間的邊界
對ages列表進行划分，區間的邊界由bins列表來指定
>>> ages=[20,22,25,27,21,23,37,31,61,45,41,32] >>> bins=[18,25,35,60,100] >>> cats = pd.cut(ages,bins,right=True) >>> cats [(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (25, 35], (60, 100], (35, 60], (35, 60], (25, 35]] Length: 12 Categories (4, interval[int64]): [(18, 25] < (25, 35] < (35, 60] < (60, 100]] >>>
3，指定區分的區間
通過from_breaks()函數來制定IntervalIndex，精確制定區間的邊界，用於對連續的數據進行切分：
>>> ages = [20,22,25,27,21,23,37,31,61,45,41,32] >>> breaks = pd.IntervalIndex.from_breaks([18,25,35,60,100]) >>> breaks IntervalIndex([(18, 25], (25, 35], (35, 60], (60, 100]], closed='right', dtype='interval[int64]') >>> pd.cut(x=ages,bins=breaks) [(18, 25], (18, 25], (18, 25], (25, 35], (18, 25], ..., (25, 35], (60, 100], (35, 60], (35, 60], (25, 35]] Length: 12 Categories (4, interval[int64]): [(18, 25] < (25, 35] < (35, 60] < (60, 100]]
二，qcut函數
qcut()函數也是用於切分的函數，q是Quantile（分位數）的意思，基於分位數對連續數據進行切分。基於排序或分位數，把變量分散到大小相等的桶（bucket）中。
例如，10個分位數的1000個值將產生一個分類對象，指示每個數據點的分位數隸屬關系。
For example 1000 values for 10 quantiles would produce a Categorical object indicating quantile membership for each data point.
pandas.qcut(x, q, labels=None, retbins=False, precision=3)
參數注釋：
- x：一維數組，或序列
- q：分位數的個數（10是指10分位數，4是指4分位數），或者制定分位數的序列
舉個例子，指定分位數的序列，q=[0,0.2,0.9,1] 表示把從(0, 0.2]的分位數作為一個區間，把(0.2, 0.9]的分位數作為一個區間，把(0.9,1]的分位數作為一個區間：
>>> ages=[20,22,25,27,21,23,37,31,61,45,41,32] >>> pd.qcut(x=ages,q=[0,0.5,0.9,1],precision=0) [(19.0, 29.0], (19.0, 29.0], (19.0, 29.0], (19.0, 29.0], ...,(45.0, 61.0], (29.0, 45.0], (29.0, 45.0]] Length: 12 Categories (3, interval[float64]): [(19.0, 29.0] < (29.0, 45.0] < (45.0, 61.0]]
參考文檔：