Pandas cut 기능
Suraj Joshi
2023년1월30일
-
pandas.cut()함수 구문 -
예 :
pandas.cut()메서드를 사용하여 데이터 프레임의 열 값을 bin에 배포 -
예 :
pandas.cut()메서드를 사용하여 Bin에 값을 배포하고 각 Bin에 레이블 할당 -
예 :
pandas.cut()메서드에서retbins = True를 설정하여 Bin 값을 반환합니다
pandas.cut()함수는 주어진 데이터를bins라고도하는 범위로 배포 할 수 있습니다.
이 기사에서는 아래 DataFrame을 사용합니다.
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)
출력:
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()함수 구문
pandas.cut(
x,
bins,
right=True,
labels=None,
retbins=False,
precision=3,
include_lowest=False,
duplicates="raise",
ordered=True,
)
매개 변수
x |
주어진 배열 |
bins |
데이터 비닝 기준 |
right |
부울. True인 경우 빈의 맨 오른쪽 번호도 포함합니다. |
labels |
정렬. 저장소의 레이블입니다. |
retbins |
부울. True인 경우 빈을 반환합니다. |
precision |
정수. 빈 저장 및 표시를위한 정밀도 |
ordered |
부울. True 인 경우 결과 레이블이 정렬됩니다. |
반환
x배열의 각 요소에 대한 bin 값으로 구성된 배열을 리턴합니다. 또한retbins = True를 설정 한 경우 bin을 반환합니다.
예 :pandas.cut()메서드를 사용하여 데이터 프레임의 열 값을 bin에 배포
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)
출력:
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]
DataFrame df의Age열 값을pandas.cut()메소드의bins인수 값을 사용하여 계산 된 연령 범위로 분리하고 마지막으로Age-Range값이있는 DataFrame을 표시합니다. 각 행에 대해.
여기서(20,30]은 20을 제외하고 30을 포함하여 20에서 30까지의 값을 나타냅니다.
예 :pandas.cut()메서드를 사용하여 Bin에 값을 배포하고 각 Bin에 레이블 할당
기본적으로 각 저장소에 할당 된 레이블은 저장소의 범위가됩니다. pandas.cut()함수에서labels매개 변수를 사용하여 사용자 정의 bin 레이블을 설정할 수 있습니다.
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)
출력:
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
Age열의 각 값을 저장소에 할당하고 각 고유 저장소에 레이블을 추가합니다.
예 :pandas.cut()메서드에서retbins = True를 설정하여 Bin 값을 반환합니다
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)
출력:
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]
Bin 값과 함께Age-Range값이있는 DataFrame을 표시합니다.
작가: Suraj Joshi
Suraj Joshi is a backend software engineer at Matrice.ai.
LinkedIn