1、cut方法
pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise', ordered=True)
（1）參數
X：被切分的類數組（array-like）數據，必須是1維的。不能是DataFrame。
bins：被切割后的區間，有3中形式：int, sequence of scalars, or IntervalIndex。
int：代表將X平分成bins份，x的范圍在每側擴展0.1%，以包括X的最大值和最小值。
sequence of scalars（標量序列）：被分割后每一個bin的區間邊緣，此時x沒有擴展。
IntervalIndex：定義要使用的精確區間。
right：bool型，默認為True。是否包括最右邊的邊緣，比如right=True，bins=[1,2,3,4]，則區間為(1,2]、(2,3]、(3,4]；right=False，則區間為(1,2）、(2,3）、(3,4）。
labels：給分割后的bins打標簽。必須與箱子長度相同，比如bins=[1,2,3]，划分后有兩個區間(1,2]、(2,3]，則labels長度必須為2。如果labels=False，則返回X中的數據在第幾個 bin中(從0開始)。
retbins：bool型，默認為False。是否將分割后的bins返回，當bins為一個int型的標量比較有用，這樣可以得到划分后的區間。
precision：保留區間小數點的位數，默認為3.
include_lowest：bool型，默認為False。第一個間隔是否應包含在內。
duplicates：是否允許重復區間。raise：不允許，drop：允許。
ordered：bool型，默認為True。True對結果進行排序，False不排序。
（2）返回值
out：Categorical, Series, or ndarray。分區后x中的每個值在那個bin中，如果指定了labels則返回對應的label。
bins：分割后的區間，當指定retbins為True時返回。
（3）舉例
df = pd.DataFrame([x for x in range(20)],columns=['number',])
df = pd.DataFrame([x**2 for x in range(11)],columns=['number',])
df['cut_group'] = pd.cut(df['number'],4)（按照數據值由小到大的順序將數據分成4份，並且使每組值的范圍大致相等。）
df['cut_group'] = pd.cut(df['number'],bins=[0,4,8,12,16,20])（bins參數：按照指定的邊界值對變量進行分割）
df['cut_group'] = pd.cut(df['number'],bins=[0,4,8,12,16,20],right=False)（right參數：設定分組的開閉區間）
df['cut_group'] = pd.cut(df['number'],bins=[0,4,8,12,16,20],right=False,labels=False)（labels為False，返回值在第幾個bin中）
df['cut_group'] = pd.cut(df['number'],bins=[0,4,8,12,16,20],right=False,labels=['第一','第二','第三','第四','第五',])（返回自定義標簽名）
df['cut_group'],bins = pd.cut(df['number'],4,retbins=True)（retbins參數：獲取邊界值的列表）
df['cut_group'] = pd.cut(df['number'],bins=[0,4,8,12,16,20],right=True,include_lowest=False)（第一）
df['cut_group'] = pd.cut(df['number'],bins=[0,4,8,12,16,20],right=True,include_lowest=True)（第二）
2、qcut方法
pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')
（1）參數
x：一維 ndarray 或系列
q：整數或浮點數的list-like，分位數。 10 表示十分位數，4 表示四分位數等。交替排列的分位數，例如[0, .25, .5, .75, 1.] 四分位數。
labels：數組或假，默認無。用作結果箱的標簽。必須與生成的 bin 長度相同。如果為 False，則僅返回 bin 的整數指示符。如果為 True，則引發錯誤。
retbins：布爾型，可選。是否返回(箱，標簽)。如果 bins 作為標量給出，則可能很有用。
precision：整數，可選。存儲和顯示 bin 標簽的精度。
duplicates：{默認 ‘raise’, ‘drop’}，可選。
(2)舉例
df = pd.DataFrame([x**2 for x in range(11)],columns=['number',])
df['cut_group'] = pd.qcut(df['number'],4)（按變量的數量來對變量進行分割，把變量由小到大分成四組，並且讓每組變量的數量相同）
跟cut()一樣， 我們可以通過在qcut()設置retbins參數， 獲取每個分組的邊界值列表。
df['cut_group'] = pd.qcut(df['number'],4,retbins=True)
總結
cut()和qcut()的主要作用都是對變量進行分箱操作。但不同的是，cut()是按變量的值進行划分，而qcut()是按照變量的個數進行划分。