数据分箱技术Binning

客官°小女子只卖身不卖艺 2022-03-22 12:22 225阅读 0赞

# 数据分箱技术Binning #

> 数据分箱就是按照某种规则将数据进行分类。就像可以将水果按照大小进行分类，售卖不同的价格一样。

## 对Series进行分箱 ##

创建一个整形随机的series，表示学生的成绩：

import numpy as np
    import pandas as pd
    from pandas import Series, DataFrame
    score_list = np.random.randint(25, 100, size=20)

![20190128132501.png][]

然后指定一个分箱原则

bins = [0,59,70,80,100]

然后利用pandas中的cut方法，指定分箱规则和对象，结果将获得一个Categories对象：

score_cat = pd.cut(score_list, bins)

![20190128132737.png][]

使用pandas中的value\_counts方法来统计各个段内数据的个数：

pd.value_counts(score_cat)

![20190128132831.png][]

## 对Dataframe分箱 ##

创建一个包含学生分数和姓名的dataframe：

df = DataFrame()  
    df['score'] = score_list
    df['student'] = [pd.util.testing.rands(3) for i in range(20)]  # 三个随机字符串

> 这里的pd.util.testing.rands(3) for i in range(20)可以生成20个随机3位字符串。

![20190128133154.png][]

然后使用前面的bins标准对df1进行分箱，得到一个Categories对象：

df['Categories'] = pd.cut(df['score'],bins)

![20190128133420.png][]

这样子可读性不好，可以指定label参数为每个区间赋一个标签：

df['Categories'] = pd.cut(df['score'],bins, labels=['Low','OK','Good','Great'])

![20190128133603.png][]

[20190128132501.png]: /images/20220322/5a8581f7ac7148ab9f204049cf4794e7.png
[20190128132737.png]: /images/20220322/b36ded01198d435286a07bcc52c2b3ed.png
[20190128132831.png]: /images/20220322/9884a1405e9a4452ac6b54b12081dc37.png
[20190128133154.png]: /images/20220322/a33d61542a3244d19611062fc588040d.png
[20190128133420.png]: /images/20220322/3f162c351c504c88892de22086aa77a8.png
[20190128133603.png]: /images/20220322/5a379bb65b8e426d9345726a3f2b5e52.png