对于一个一维的数值型数据，我们有时候想对其根据数值区间或者根据分位数进行分组，然后再做后续的分析，本文介绍pandas里的cut和qcut函数，实现这种快速分组操作。

cut函数，将一维序列中的数值打上区间标签，参数签名如下：

pandas. cut ( x , bins , right=True , labels=None , retbins=False , precision=3 , include_lowest=False , duplicates='raise')

其中x必须是一维数据，区间标签中的区间由bins指定，可以为一个数值序列，比如[0,2,4,6]，表示的区间为(0,2],(2,4],(4,6]；也可以为整数，比如3，表示将x所蕴含的区间长度进行三等分，其中x所蕴含的区间长度就是最大值和最小值之差。比如：

In [2]: pd.cut([0,60,100,82,50],3)
Out[2]:
[(-0.1, 33.333], (33.333, 66.667], (66.667, 100.0], (66.667, 100.0], (33.333, 66.667]]
Categories (3, interval[float64]): [(-0.1, 33.333] < (33.333, 66.667] < (66.667, 100.0]]

这里将[0,60,100,82,50]进行三等分，区间长度为100-0=100，所以每个区间长度就是33.333。返回的是Categories类型。

这里默认等分后的区间是左开右闭的，也可以通过设置right参数为False，设置区间为左闭右开。

还可以注意到，当bins参数为整数时，对于开区间的一边，会默认延展千分之一的区间长度，以包含最小值（最大值），比如上面的例子中，最小区间的左边为-0.1，而不是0，这是因为pandas将区间向左边延展了千分之一（100*0.001=0.1），从而将x的最小值0包含进去。

对于区间的精度，可以通过precision参数控制，默认为3，那么上面例子中，区间的两边的值就会保留三位小数（比如(33.333,66.667])，你也可以设置为6，从而保留6位小数。

此外，如果想返回具体的切分点，即区间的边界点，可以将retbins设为True，这样就会返回一个二元组，其中第二个元素就是对应的Bins序列，如下所示：

In [6]: pd.cut([0,60,100,82,50],3,retbins=True)
Out[6]:
([(-0.1, 33.333], (33.333, 66.667], (66.667, 100.0], (66.667, 100.0], (33.333, 66.667]]
 Categories (3, interval[float64]): [(-0.1, 33.333] < (33.333, 66.667] < (66.667, 100.0]],
 array([ -0.1       ,  33.33333333,  66.66666667, 100.        ]))

如果你只是想要将数据按照相应的逻辑分好组就行，具体区别的区间标签不重要，那么你可以设置labels为False，那么该函数就会将不同的区间从小到大用整数标记，从0开始，如下所示，只会返回对应的整数标记。

In [7]: pd.cut([0,60,100,82,50],3,labels=False)
Out[7]: array([0, 1, 2, 2, 1], dtype=int64)

当然，如果你想要对不同的区间进行一些有意义的标记，则可以将有意义的标签序列传给labels参数，这里labels参数的序列长度必须要和区间的个数相等。如下所示。

In [8]: pd.cut([0,60,100,82,50],3,labels=['a','b','c'])
Out[8]:
[a, b, c, c, b]
Categories (3, object): [a < b < c]

最后，我们更常用的可能不是将数据根据区间长度进行等分，而是指定区间边界进行划分，这时可以将指定的边界序列传给bins参数实现，如下所示。

In [11]: pd.cut([0,60,100,82,50],bins=[0,2,30,50,80])
Out[11]:
[NaN, (50.0, 80.0], NaN, NaN, (30.0, 50.0]]
Categories (4, interval[int64]): [(0, 2] < (2, 30] < (30, 50] < (50, 80]]

可以看到，如果我们指定了bins序列的话，那么默认情况下，就会严格的按照bins中的数划分区间，不会自动将区间延展千分之一，当然，如果你此时设置include_lowest参数为True，那么会自动延展千分之一，不过这个参数只对最小值work，如果你设置right为False，那么即使设置include_lowest为True，并不会自动将最大区间的右边界延展千分之一。这里还需要注意的是，如果x中的值不在指定的bins区间中的话，对应位置的标签就会为nan。

还要注意，这里bins参数如果是指定的数值序列的话，那么其必须是严格递增的；但是如果bins中如果有重复数值的话，由于区间不允许为空，因此可以通过duplicates控制行为，如果为raise，则表示会抛出异常，如果为drop，则表示自动去重。

cut函数是直接通过数值区间对输入序列进行分组，如果我们想要对输入序列进行个数等分，或者按照不同组别的size大小对输入序列进行划分，应该怎么做呢？

当然，我们可以通过所希望的区间size大小求得输入序列对应的分位数，然后将分位数作为bins传给cut函数，这种方式是完全可行的。但是pandas提供了一种更简单的实现方式，qcut函数，即使用分位数对输入序列进行size大小的切分。

qcut的函数签名如下：

pandas. qcut ( x , q , labels=None , retbins=False , precision=3 , duplicates='raise')

相比于cut函数，qcut函数中的参数会少一些，而且含义基本和cut函数一样。这里需要说明的就是参数q，其他参数的含义和cut函数是一样的。

对于qcut函数，会强制的将x的区间长度左延千分之一，以包含最小值，且区间强制是左开右闭的，没有参数控制。如果q为整数，代表将x按照元素个数进行q等分，即计算k*q分位数，k为整数，k*q介于0，1之间。所以，该函数最后所得到的区间就是对应的分位数，如下所示。

In [17]: pd.qcut([0,60,100,82,50],q=4,retbins=True)
Out[17]:
([(-0.001, 50.0], (50.0, 60.0], (82.0, 100.0], (60.0, 82.0], (-0.001, 50.0]]
 Categories (4, interval[float64]): [(-0.001, 50.0] < (50.0, 60.0] < (60.0, 82.0] < (82.0, 100.0]],
 array([  0,  50,  60,  82, 100], dtype=int64))

当然，你也可以自定义q，比如[0,0.2,0.30,0.50,0.80,1]，则区间边界就是对应的传入q的序列分位数。如下所示。

In [16]: pd.qcut([0,60,100,82,50],q=[0,0.2,0.30,0.50,0.80,1],retbins=True)
Out[16]:
([(-0.001, 40.0], (52.0, 60.0], (85.6, 100.0], (60.0, 85.6], (40.0, 52.0]]
 Categories (5, interval[float64]): [(-0.001, 40.0] < (40.0, 52.0] < (52.0, 60.0] < (60.0, 85.6] <
                                     (85.6, 100.0]],
 array([  0. ,  40. ,  52. ,  60. ,  85.6, 100. ]))

from numpy import nan as NA from matplotlib import pyplot as plt ages = [20,22,25,27,21,23,37,31,61,45,41,32] #将所有的ages进行 分组 bins = [18,25,35,60,100] #使用 pandas 中的 cut 对年龄 数据 进行 分组 cats = pd . cut (ages,bins) #print(ca 在对 数据 进行处理分析时，有时需要对csv等表格 数据 中的某列 数据 进行 分组 ，或者按数值大小重新分为几个类别，如需要将班级学生的成绩按90分为不及格，中，良，优四个等级，就可以利用python中的 pandas 工具，即 pd . cut 进行处理。① 如果是数组，长度要与分箱个数一致，比如 bins =[1, 2, 3, 4] 表示 (1,2], (2,3], (3,4]，一共3个 区间 ，则labels的长度也就是标签的个数也要是3。一个类似数组的对象，表示每个值的相应箱的 x。 pandas . cut (x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise') #0.23.4 功能：把一组 数据 分割成离散的 区间 参数：x：被切分的类数组（array-like） 数据 ，必须是1维的（不能用DataFrame）； bins：bins是被切割后的 区间 （或者叫“桶”、“箱”、“面元”），有3中形式：一个int型. Pandas 是什么？1、一个强大的分析结构化 数据 的工具集2、基础是NumPy，提供了高性能矩阵的运算3、应用在数学挖掘， 数据 分析。比如，学生成绩分析，股票 数据 分析等4、提供 数据 清洗功能Pands 数据 结构，主要分为两种，Series和DataFrame1、类似 一维 数组的对象2、通过list构建Seriesser_obj= pd .Series(rang(10))3、由 数据 和索引组成索引在左， 数据 在右索引是自动创建的4、获取 数据 和索引5、预览 数据 (取前几个)ser_obj.head(n)6、通过索引获取 数据 7、索引与 数据 的对应关系仍保持在数组运算的结果中（过滤series中的 数据 ）8、通过dict构建 数值 数据 在 数据 分析中很常见。 通常，您拥有连续的、非常大的比例或高度偏斜的数值 数据 。有时，将这些 数据 分成离散的 区间 会更容易。 当值被划分为有意义的类别时，这有助于执行描述性统计。例如，我们可以将确切的年龄划分为幼儿、儿童、成人和老年人。 Pandas 内置的 cut () 函数是将数值 数据 转换为分类 数据 的好方法。 参数及解释 pandas . cut (x, bins, right=True, labels=None, retbins=False,\ 1、 pd . cut 函数有7个参数，主要用于对 数据 从最大值到最小值进行等距划分 pandas . cut (x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False) x : 输入待 cut 的 一维 数组 bins : cut 的段数，一般为整型，但也可以为序列向量。 right :... 功能：数值型变量转变为因子变量 cut 将x的范围划分为若干个 区间 ，并根据这些 区间 对x中的值进行编码。最左边的 区间 对应于第一级，第二左的 区间 对应第二级。 cut (x, breaks, labels = NULL, include.lowest = FALSE, right = TRUE, dig.lab = 3, ordered_result = FALSE, ...) x：数值型向量 break 可以为自定义的 分组 也可以为大于等于2的数字，如果是数字，则软件会自动均分数值间的距离，如果不... df = pd .DataFrame(data = np.random.randint(0,150,size = (100,3)), columns=['Python','Tensorflow','Keras']) # 1、等宽分箱 pd . cut (df.Python,bins = 3) # 指定宽度分箱 pd . cut (df.Keras,#分箱 数据 bins = [0,60,90,12.. # 2) False：左闭右开，[ , ) pd . cut (np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], right=True) pd .cu Python实现连续 数据 的离散化处理主要基于两个函数， pandas . cut 和 pandas .q cut ，前者根据指定分界点对连续 数据 进行分箱处理，后者则可以根据指定箱子的数量对连续 数据 进行等宽分箱处理，所谓等宽指的是每个箱子中的 数据 量是相同的。下面简单介绍一下这两个函数的用法： # 导入 pandas 包 import pandas as pd ages = [20, 22, 25, 27, 21, 23, 37, 31, 61, 45, 41, 32] # 待分箱 数据 bins = [18, 25, 35,. x:待划分的 数据 y:判断依据（ 区间 ） right:逻辑值,默认为 区间 左开右闭；若为FALSE，则左闭右开。（知识补充：开 区间 是不包括端点(a,b)，闭 区间 是包括端点[a,b]。） include.lowest:逻辑值，include.lowest=TRUE，第一个 区间 包含左端点，最后一个 区间 包含右端点。 #通过 cut ,简化多重if语句 1.使用 if 函数： pandas . cut 用来把一组 数据 分割成离散的 区间 。比如有一组年龄 数据 ，可以使用 pandas . cut 将年龄 数据 分割成不同的年龄段并打上标签。 pandas . cut (x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise') #0.23.4 用 pandas 将 数据 划分 区间 在 数据 分析的过程中，经常会遇到：年龄，收入，价格以及类似的 数据 ，在 数据 分析前，需要将这些 数据 划分到一系列 区间 中，再将 区间 进行不同的编码，对编码后的 数据 进行分析。 在 pandas 中可以使用 pandas . cut ()方法实现对 数据 的 区间 划分，以及对 区间 进行标记。 案例 数据 以name,age,score为例，使用 pandas . cut ()方法对age、score进行 区间 划分。 import pandas as pd import numpy as np df = pd .DataF