Pandas cut Funktion
-
pandas.cut()Funktion Syntax -
Beispiel: Verteilen von Spaltenwerten eines DataFrame in Bins mit der Methode
pandas.cut() -
Beispiel: Verteilen von Werten in Bins und Zuweisen eines Labels zu jedem Bin mit der Methode
pandas.cut() -
Beispiel: Setzen Sie
retbins=Truein der Methodepandas.cut(), um die Bin-Werte zurückzugeben
Die pandas.cut() Funktion kann die gegebenen Daten in Bereiche, auch bins genannt, verteilen.
Wir werden in diesem Artikel den unten stehenden DataFrame verwenden.
import pandas as pd
df = pd.DataFrame(
{
"Name": ["Anish", "Birat", "Chirag", "Kabin", "Sachin"],
"Age": [23, 34, 38, 45, 27],
"Score": [316, 322, 332, 330, 325],
}
)
print(df)
Ausgabe:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
pandas.cut() Funktion Syntax
pandas.cut(
x,
bins,
right=True,
labels=None,
retbins=False,
precision=3,
include_lowest=False,
duplicates="raise",
ordered=True,
)
Parameter
x |
Das angegebene Array |
bins |
Die Kriterien für die Binierung der Daten |
right |
Boolescher Wert. Wenn True, wird auch die ganz rechte Nummer des Bins einbezogen. |
labels |
Array. Bezeichnungen für die Bins. |
retbins |
Boolescher Wert. Wenn True, werden die Bins zurückgegeben. |
precision |
Ganzzahl. Präzision für die Speicherung und Anzeige von bins |
ordered |
Boolescher Wert. Wenn True, werden die resultierenden Etiketten geordnet |
Zurück
Es wird ein Array zurückgegeben, das aus Bin-Werten für jedes Element im Array x besteht. Es gibt auch die Bins zurück, wenn wir retbins=True gesetzt haben.
Beispiel: Verteilen von Spaltenwerten eines DataFrame in Bins mit der Methode pandas.cut()
import pandas as pd
df = pd.DataFrame(
{
"Name": ["Anish", "Birat", "Chirag", "Kabin", "Sachin"],
"Age": [23, 34, 38, 45, 27],
"Score": [316, 322, 332, 330, 325],
}
)
print("Initial DataFrame:")
print(df, "\n")
df["Age-Range"] = pd.cut(x=df["Age"], bins=[20, 30, 40, 50])
print("DataFrame with Age-Range:")
print(df)
Ausgabe:
Initial DataFrame:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
DataFrame with Age-Range:
Name Age Score Age-Range
0 Anish 23 316 (20, 30]
1 Birat 34 322 (30, 40]
2 Chirag 38 332 (30, 40]
3 Kabin 45 330 (40, 50]
4 Sachin 27 325 (20, 30]
Es werden die Werte der Spalte Age im DataFrame df in die Altersbereiche aufgeteilt, die mit dem Wert des Arguments bins in der Methode pandas.cut() berechnet wurden, und schließlich wird der DataFrame mit dem Wert Age-Range für jede Zeile angezeigt.
Hier stellt (20,30] die Werte von 20 bis 30 dar, mit Ausnahme von 20 und einschließlich 30.
Beispiel: Verteilen von Werten in Bins und Zuweisen eines Labels zu jedem Bin mit der Methode pandas.cut()
Standardmäßig wird jedem Bin eine Beschriftung zugewiesen, die dem Bereich des Bin entspricht. Wir können die benutzerdefinierten Bin-Beschriftungen mit dem Parameter labels in der Funktion pandas.cut() festlegen.
import pandas as pd
df = pd.DataFrame(
{
"Name": ["Anish", "Birat", "Chirag", "Kabin", "Sachin"],
"Age": [23, 34, 38, 45, 27],
"Score": [316, 322, 332, 330, 325],
}
)
print("Initial DataFrame:")
print(df, "\n")
bin_labels = labels = ["21 to 30", "31 to 40", "41 to 50"]
df["Age-Range"] = pd.cut(x=df["Age"], bins=[20, 30, 40, 50], labels=bin_labels)
print("DataFrame with Age-Range:")
print(df)
Ausgabe:
Initial DataFrame:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
DataFrame with Age-Range:
Name Age Score Age-Range
0 Anish 23 316 21 to 30
1 Birat 34 322 31 to 40
2 Chirag 38 332 31 to 40
3 Kabin 45 330 41 to 50
4 Sachin 27 325 21 to 30
Die Funktion ordnet jeden Wert der Spalte age in Bins zu und fügt jedem eindeutigen Bin ein Label hinzu.
Beispiel: Setzen Sie retbins=True in der Methode pandas.cut(), um die Bin-Werte zurückzugeben
import pandas as pd
df = pd.DataFrame(
{
"Name": ["Anish", "Birat", "Chirag", "Kabin", "Sachin"],
"Age": [23, 34, 38, 45, 27],
"Score": [316, 322, 332, 330, 325],
}
)
print("Initial DataFrame:")
print(df, "\n")
bin_labels = labels = ["21 to 30", "31 to 40", "41 to 50"]
df["Age-Range"], bin_values = pd.cut(
x=df["Age"], bins=[20, 30, 40, 50], labels=bin_labels, retbins=True
)
print("DataFrame with Age-Range:")
print(df, "\n")
print("The bin values are:")
print(bin_values)
Ausgabe:
Initial DataFrame:
Name Age Score
0 Anish 23 316
1 Birat 34 322
2 Chirag 38 332
3 Kabin 45 330
4 Sachin 27 325
DataFrame with Age-Range:
Name Age Score Age-Range
0 Anish 23 316 21 to 30
1 Birat 34 322 31 to 40
2 Chirag 38 332 31 to 40
3 Kabin 45 330 41 to 50
4 Sachin 27 325 21 to 30
The bin values are:
[20 30 40 50]
Es wird der DataFrame mit den Age-Range-Werten zusammen mit den Bin-Werten angezeigt.
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn