Вы можете использовать следующий базовый синтаксис для выполнения бинирования данных в pandas DataFrame:
import pandas as pd
#perform binning with 3 bins
df['new_bin'] = pd.qcut(df['variable_name'], q= 3 )
В следующих примерах показано, как использовать этот синтаксис на практике со следующими пандами DataFrame:
import pandas as pd
#create DataFrame
df = pd.DataFrame({'points': [4, 4, 7, 8, 12, 13, 15, 18, 22, 23, 23, 25],
'assists': [2, 5, 4, 7, 7, 8, 5, 4, 5, 11, 13, 8],
'rebounds': [7, 7, 4, 6, 3, 8, 9, 9, 12, 11, 8, 9]})
#view DataFrame
print(df)
points assists rebounds
0 4 2 7
1 4 5 7
2 7 4 4
3 8 7 6
4 12 7 3
5 13 8 8
6 15 5 9
7 18 4 9
8 22 5 12
9 23 11 11
10 23 13 8
11 25 8 9
Пример 1. Выполнение базового бинирования данных
В следующем коде показано, как выполнить бинирование данных для переменной points с помощью функции qcut() с определенными метками разрыва:
#perform data binning on *points* variable
df['points_bin'] = pd.qcut(df['points'], q= 3 )
#view updated DataFrame
print(df)
points assists rebounds points_bin
0 4 2 7 (3.999, 10.667]
1 4 5 7 (3.999, 10.667]
2 7 4 4 (3.999, 10.667]
3 8 7 6 (3.999, 10.667]
4 12 7 3 (10.667, 19.333]
5 13 8 8 (10.667, 19.333]
6 15 5 9 (10.667, 19.333]
7 18 4 9 (10.667, 19.333]
8 22 5 12 (19.333, 25.0]
9 23 11 11 (19.333, 25.0]
10 23 13 8 (19.333, 25.0]
11 25 8 9 (19.333, 25.0]
Обратите внимание, что каждая строка фрейма данных была помещена в одну из трех ячеек в зависимости от значения в столбце точек.
Мы можем использовать функцию value_counts() , чтобы узнать, сколько строк было помещено в каждую ячейку:
#count frequency of each bin
df['points_bin']. value_counts ()
(3.999, 10.667] 4
(10.667, 19.333] 4
(19.333, 25.0] 4
Name: points_bin, dtype: int64
Мы видим, что каждый бин содержит 4 наблюдения.
Пример 2. Выполнение бинирования данных с определенными квантилями
Мы также можем выполнить бинирование данных, используя определенные квантили:
#perform data binning on *points* variable with specific quantiles
df['points_bin'] = pd.qcut(df['points'], q=[0, .2, .4, .6, .8, 1])
#view updated DataFrame
print(df)
points assists rebounds points_bin
0 4 2 7 (3.999, 7.2]
1 4 5 7 (3.999, 7.2]
2 7 4 4 (3.999, 7.2]
3 8 7 6 (7.2, 12.4]
4 12 7 3 (7.2, 12.4]
5 13 8 8 (12.4, 16.8]
6 15 5 9 (12.4, 16.8]
7 18 4 9 (16.8, 22.8]
8 22 5 12 (16.8, 22.8]
9 23 11 11 (22.8, 25.0]
10 23 13 8 (22.8, 25.0]
11 25 8 9 (22.8, 25.0]
Пример 3. Выполнение бинирования данных с помощью меток
Мы также можем выполнять бинирование данных, используя определенные квантили и определенные метки:
#perform data binning on *points* variable with specific quantiles and labels
df['points_bin'] = pd.qcut(df['points'],
q=[0, .2, .4, .6, .8, 1],
labels=['A', 'B', 'C', 'D', 'E'])
#view updated DataFrame
print(df)
points assists rebounds points_bin
0 4 2 7 A
1 4 5 7 A
2 7 4 4 A
3 8 7 6 B
4 12 7 3 B
5 13 8 8 C
6 15 5 9 C
7 18 4 9 D
8 22 5 12 D
9 23 11 11 E
10 23 13 8 E
11 25 8 9 E
Обратите внимание, что каждой строке был назначен бин на основе значения столбца точек , а бины были помечены буквами.
Дополнительные ресурсы
В следующих руководствах объясняется, как выполнять другие распространенные задачи в pandas:
Pandas: как использовать функцию value_counts()
Pandas: как создать сводную таблицу с подсчетом значений
Pandas: как подсчитать вхождения определенного значения в столбце