API · Pandas
Pandas cut Funktion
Dieses Tutorial erklärt, wie die Funktion pandas.cut() Daten in Bereiche, auch Bins genannt, einteilt.
Auf dieser Seite
Die Funktion pandas.cut() ordnet numerische Werte Bereichen zu, die auch Bins genannt werden. Für jeden Eingabewert gibt sie eine Intervallkategorie zurück. Damit lassen sich fortlaufende Messwerte wie Alter oder Punktzahlen für Analysen in Gruppen einteilen. Sie können feste Grenzwerte vorgeben oder pandas einen Bereich in eine festgelegte Anzahl von Bins unterteilen lassen.
Syntax, Parameter und Rückgabewert
Der Funktionsaufruf lautet pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates="raise", ordered=True).
Zu den am häufigsten verwendeten Argumenten gehören:
| Parameter | Beschreibung |
|---|---|
x |
Array-ähnliche numerische Werte, die zugeordnet werden sollen, zum Beispiel eine Liste, eine Series oder eine DataFrame-Spalte. |
bins |
Eine ganzzahlige Anzahl gleich breiter Bins, eine Folge expliziter Grenzwerte oder ein IntervalIndex. Bei einer Ganzzahl ermittelt pandas den Bereich anhand des Minimums und Maximums von x, teilt ihn in die angegebene Anzahl gleich breiter Bins und erweitert ihn auf beiden Seiten um 0,1 %, damit beide Endwerte eingeschlossen werden. Eine Folge gibt die Grenzwerte direkt vor; die Bereichserweiterung für eine ganzzahlige Bin-Anzahl wird dabei nicht angewendet. |
right |
Bei True (Standard) schließen die Intervalle ihren rechten Endpunkt ein. Setzen Sie den Wert auf False, um links geschlossene Intervalle zu verwenden. |
labels |
Optionale Bezeichnungen, eine pro Bin. Mit False werden ganzzahlige Bin-Positionen zurückgegeben. |
retbins |
Bei True werden zusätzlich die zum Bilden der Bins verwendeten Grenzwerte zurückgegeben. |
precision |
Genauigkeit, mit der die Grenzwerte gespeichert und angezeigt werden. |
include_lowest |
Bei True wird der niedrigste Grenzwert in das erste Intervall eingeschlossen. |
duplicates |
Legt fest, ob bei doppelten Grenzwerten ein Fehler ausgelöst ("raise", Standard) oder der doppelte Wert entfernt wird ("drop"). |
ordered |
Gibt an, ob die resultierenden Kategorien geordnet sind. Standardmäßig ist der Wert True. |
Normalerweise enthält das Ergebnis für jedes Element in x einen kategorischen Wert. Ein Wert, der in keines der Intervalle fällt, wird als NaN dargestellt. Bei retbins=True gibt die Funktion ein Paar zurück: das Ergebnis für die einzelnen Werte und das Array der Grenzwerte.
DataFrame-Werte Bins zuordnen
Übergeben Sie eine DataFrame-Spalte als x, geben Sie die Intervallgrenzen mit bins an und weisen Sie die zurückgegebene Series einer neuen Spalte zu. Führen Sie dieses Beispiel aus:
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
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],
}
)
df["Age-Range"] = pd.cut(df["Age"], bins=[20, 30, 40, 50])
print(df[["Age", "Age-Range"]].to_string(index=False))
Vier Grenzwerte ergeben drei Intervalle und damit drei Bins. Jede Zeile behält ihre ursprüngliche Position; der Wert in Age-Range gibt an, in welches Intervall das Alter der jeweiligen Zeile fällt. Bei der standardmäßigen Intervallkonvention wird beispielsweise das Alter 23 dem Intervall (20, 30] und das Alter 45 dem Intervall (40, 50] zugeordnet.
Intervallgrenzen festlegen
Standardmäßig erzeugt right=True rechts geschlossene Intervalle. Die Schreibweise (20, 30] bezeichnet Werte größer als 20 bis einschließlich 30: 20 ist ausgeschlossen, 30 eingeschlossen. Mit include_lowest=True wird zusätzlich der niedrigste Grenzwert in das erste Intervall aufgenommen. Setzen Sie right=False, um links geschlossene und rechts offene Intervalle wie [20, 30) zu verwenden; sie schließen 20 ein und 30 aus. Bei dieser Einstellung liegt der höchste Grenzwert außerhalb des letzten Intervalls. Werte, die in kein Intervall fallen, werden als NaN zurückgegeben.
Das folgende Beispiel vergleicht diese Optionen für Alter an den angegebenen Grenzwerten und zwischen ihnen:
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
ages = pd.Series([20, 23, 30, 45, 50], name="Age")
result = pd.DataFrame(
{
"Age": ages,
"default": pd.cut(ages, bins=[20, 30, 40, 50]),
"include_lowest": pd.cut(
ages, bins=[20, 30, 40, 50], include_lowest=True
),
"left_closed": pd.cut(
ages, bins=[20, 30, 40, 50], right=False
),
}
)
print(result.to_string(index=False))
Vergleichen Sie die Zeilen für 20 und 50, um zu sehen, wie sich die Wahl der Endpunkte auf die Zuordnung auswirkt. Bei der Standardeinstellung liegt 50 im letzten Intervall, 20 hingegen nicht im ersten. include_lowest=True nimmt 20 in das erste Intervall auf; mit right=False wird 20 eingeschlossen und 50 liegt außerhalb des letzten Intervalls.
Den Bins Bezeichnungen zuordnen
Damit gut lesbare Kategorienamen statt der Intervallschreibweise angezeigt werden, übergeben Sie eine Bezeichnung pro Bin. Die Bezeichnungen folgen der Reihenfolge der Intervalle; für drei Bins benötigen Sie also drei Bezeichnungen:
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
ages = pd.Series([23, 34, 38, 45, 27], name="Age")
labels = ["21 to 30", "31 to 40", "41 to 50"]
age_groups = pd.cut(
ages,
bins=[20, 30, 40, 50],
labels=labels,
)
print(age_groups.to_string(index=False))
Bei den Standardeinstellungen gehört die erste Bezeichnung zu (20, 30], die zweite zu (30, 40] und die dritte zu (40, 50]. Wenn Sie statt Namen numerische Gruppenpositionen benötigen, übergeben Sie labels=False; pandas gibt dann für Werte, die einem Bin zugeordnet wurden, ganzzahlige Bin-Codes zurück.
Die Bin-Grenzwerte mit retbins=True zurückgeben
Setzen Sie retbins=True, wenn Sie sowohl die Kategorien der einzelnen Werte als auch die dafür verwendeten Grenzwerte benötigen. Das erste zurückgegebene Element gehört zu x; das zweite ist das gemeinsame Array der Bin-Grenzwerte. In diesem Beispiel werden beide Werte entpackt:
Der Code und die angezeigten Bezeichnungen oder Ausgaben in diesem Abschnitt bleiben auf Englisch.
import pandas as pd
ages = pd.Series([23, 34, 38, 45, 27], name="Age")
age_groups, bin_edges = pd.cut(
ages,
bins=[20, 30, 40, 50],
labels=["21 to 30", "31 to 40", "41 to 50"],
retbins=True,
)
print("Groups:")
print(age_groups.to_string(index=False))
print("Bin edges:")
print(bin_edges)
age_groups enthält für jedes Alter ein beschriftetes Ergebnis, während bin_edges die Werte [20, 30, 40, 50] enthält. Dasselbe Vorgehen ist hilfreich, wenn bins eine Ganzzahl ist und pandas gleich breite Grenzwerte berechnet: Bewahren Sie die zurückgegebenen Grenzwerte auf, wenn Sie sie prüfen oder erneut verwenden möchten.