如何定义pandas qcut标签的功能？
pandas的qcut函数是用于将连续型数据分成离散的区间，并为每个区间分配一个标签。它的功能是根据数据的分布情况，将数据划分为指定数量的区间，并为每个区间分配一个标签。
具体而言，qcut函数可以根据数据的分位数将数据分成多个区间。分位数是指将数据按照大小顺序排列后，将其分成几等份的数值点。通过指定区间的数量，qcut函数可以根据数据的分布情况自动计算出每个区间的范围，并为每个区间分配一个标签。
qcut函数的语法如下：
pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')参数说明：
- x：要进行划分的数据，可以是一维数组、Series或DataFrame的列。
- q：指定划分的区间数量，可以是整数或列表。如果是整数，则表示要将数据划分为几个等分的区间；如果是列表，则表示要根据列表中的分位数进行划分。
- labels：可选参数，用于指定每个区间的标签。如果不指定，则默认为区间的编号。
- retbins：可选参数，是否返回每个区间的范围。默认为False，表示不返回。
- precision：可选参数，指定小数点的精度。默认为3。
- duplicates：可选参数，指定如何处理重复值。默认为'raise'，表示抛出异常；如果设置为'drop'，则会删除重复值。
qcut函数的返回值是一个Categorical对象，其中包含了每个数据所属的区间和对应的标签。
pandas qcut标签的功能主要有以下几个方面的应用场景：
- 数据分箱：将连续型数据分成离散的区间，可以用于数据预处理、特征工程等任务。
- 数据可视化：通过将数据分成区间，并为每个区间分配标签，可以更直观地展示数据的分布情况。
- 分组统计：可以根据qcut的标签进行分组，然后对每个组进行统计分析，如计算每个组的均值、中位数等。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云数据库（TencentDB）：https://cloud.tencent.com/product/cdb
- 腾讯云人工智能（AI）：https://cloud.tencent.com/product/ai
- 腾讯云物联网（IoT）：https://cloud.tencent.com/product/iot
- 腾讯云移动开发（Mobile）：https://cloud.tencent.com/product/mobile
- 腾讯云区块链（Blockchain）：https://cloud.tencent.com/product/baas
- 腾讯云元宇宙（Metaverse）：https://cloud.tencent.com/product/mu
相关·内容
我使用pandas.qcut将数据划分为5个组，并希望根据最小和最大分数标记每个组。 例如，我尝试了数据框列中的"age“数据。 df['age group'] = pd.qcut(df['age'], 5) 它的结果是 Categories (5, interval[float64]): [(37.999, 61.0] < (61.0, 67.0] < (67.0, 73.0] < (73.0, 78.0] < (78.0, 93.0]] 预期的结果是根据最小和最大值自动为每个组分配标签，例如类别1标签将是"37.99
浏览 19提问于2019-04-16得票数 1
回答已采纳
我需要将连续的数据分成任意数量的分位数。但是，我的应用程序需要返回的分位数bin的最大值：
import pandas as pd
import numpy as np
In [1]: s = pd.Series(np.random.randint(0,20,20)); s[:5]
Out[1]:
0 0
1 15
2 5
3 19
4 15
假设我使用pandas.qcut创建了5个分位数：
In [2]: bins = pd.qcut(s,5); bins
Out[2]:
Categorical:
array([[0, 1.8], (9.8, 15.2]
浏览 4提问于2013-03-08得票数 2
回答已采纳
我有一个数据框，它的列包含Investment，它表示交易员的投资金额。我想在数据框中创建两个新列；一个基于Investment大小给出十进制排名，另一个给出五分之一排名。我希望1代表投资最大的十进制，10代表最小的。简单地说，我希望1代表投资最大的五分位数，5代表最小的。
我是Pandas的新手，有没有什么方法可以让我轻松做到这一点呢？谢谢!
浏览 0提问于2014-10-22得票数 18
回答已采纳
我使用pandas qcut将一些数据分成20个bin，作为训练二分类模型的数据准备的一部分，如下所示：
data['VAR_BIN'] = pd.qcut(cc_data[var], 20, labels=False)
我的问题是，我如何将从上面的qcut语句派生的相同绑定逻辑应用于一组新数据，例如用于模型验证目的。有什么简单的方法可以做到这一点吗？
谢谢
浏览 0提问于2016-06-19得票数 33
回答已采纳
1回答
我从数据分析开始，在kaggle上恢复的练习中遇到了一个问题:文件'ENBsv‘我导入了数据，确定了相关性，在我的数据帧中创建了一个新列，它汇总了我的目标变量 import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from sklearn import model_selection
from sklearn.model_selection import validation_curve
from
浏览 52提问于2021-08-08得票数 1
回答已采纳
这里是我的数据的一个可复制的例子。假设我将下面的pandas.DataFrame存储在df中
# Import libraries
import numpy as np
import pandas as pd
from scipy import stats
# 1K observations from two random variables
X1 = stats.norm(loc=20000, scale=5000).rvs(1000, random_state=123)
X2 = stats.norm(loc=1500, scale=300).rvs(1000, random_state
浏览 3提问于2021-06-11得票数 1
回答已采纳
我正在尝试从熊猫数据栏中的两列创建一个索引。但是，在使用索引中的“水桶”值之前，我首先想要对其中一个列中的值进行“存储”。
下面的守则应有助于进一步解释：
import numpy as np
import pandas as pd
# No error checking, pseudocode ...
def bucket_generator(source_data, colname, step_size):
# create bucket column (string)
source_data['bucket'] = ''
#
浏览 4提问于2017-01-14得票数 1
回答已采纳
我有一个pandas df，我想按十进制数对每一行进行排序，也就是说，对于那些以十进制数打包的最低到最大值的行。pd.qcut采用一维数组..对于第二行，相应的十进制数为：
pd.qcut(mm.values[1],10,duplicates='drop').value_counts()
(-0.754, -0.212] 240
(-0.212, -0.12] 234
(-0.12, -0.0436] 235
(-0.0436, 0.0343] 236
(0.0343, 0.117] 238
(0.117, 0.214]
浏览 2提问于2021-03-11得票数 0
1回答
我有99个人的年收入数据：
import pandas, random
incomes = pandas.DataFrame({'income':[round(random.triangular(20,80,200),0) for i in range(99)]})
如何：
将他们分成3个分位数，“贫穷”、“中等”、“富有”，每个分位数为的平均收入。
抱歉，听起来像个新手的问题。我在学习。谢谢!
浏览 2提问于2020-06-09得票数 1
1回答
我有熊猫的数据，我想保存连续的值。
a['abc'].describe() # a name of pandas dataframe, abc--column name
count 250000.000000
mean 43.412040
std 26.075295
min 0.000000
25% 25.000000
50% 38.000000
75% 53.000000
max 218.000000
Name: abc, dtype: float
浏览 0提问于2021-11-05得票数 1
回答已采纳
我正在尝试对pandas数据帧执行groupby，并在该groupby上执行qcut，以对分位数上的值进行分类。问题是有些组只有一个值，所以qcut用ValueError: Bin edges must be unique抱怨。有没有一种方法可以直接忽略groupby和qcut上的这些情况？
我正在做类似这样的事情
df['quantile'] = df.groupby(['grouping'])['values'].transform(
lambda x: pd.qcut(x, 4))
我可以在两个级别的分组上
浏览 5提问于2015-10-21得票数 2
1回答
在用十进制绑定我的数据之后，我试图访问标签(即位置指示器)：
q = pd.qcut(df["revenue"], 10)
q.head():
7 (317.942, 500.424]
81 (317.942, 500.424]
83 (150.65, 317.942]
84 [0.19, 150.65]
85 (317.942, 500.424]
Name: revenue, dtype: category
Categories (10, object): [[0.19, 150.65] < (150.65, 31
浏览 3提问于2016-12-28得票数 4
回答已采纳
我理解如何使用在Pandas中创建简单的分位数。但是在搜索之后，我没有看到任何东西来创建加权分位数。具体来说，我希望创建一个变量，它将感兴趣的变量(从最小到最大)的值装箱，以便每个桶包含相同的权重。到目前为止，这就是我所拥有的：
def wtdQuantile(dataframe, var, weight = None, n = 10):
if weight == None:
return pd.qcut(dataframe[var], n, labels = False)
else:
dataframe.sort_values(var, asc
浏览 1提问于2017-08-06得票数 13
带着两道暗号：
import pandas as pd
import numpy as np
a = np.arange(0,100, 10)
b = np.random.random_integers(low=9000, high=10000, size=(1000,))
我继续创建DataFrame：
numbers = np.concatenate((a, b), axis=0)
df = pd.DataFrame({'a':numbers})
由于大多数数字值(1000个数字)都在9,000到10,000个之间，而只有10个数字在1到100之间，所以我使用qcut
浏览 1提问于2016-10-25得票数 4
回答已采纳
在我的数据集中，有一列如下所示，例如：
[111, 112, None, 113, 114, 115, 116, None, 117, 118, 119]
我想把这一列放入，比方说3个箱子，这样我就可以
[0, 0, None, 0, 1, 1, 1, None, 2, 2, 2]
如何使用pandas.cut实现这一点？它不接受None作为输入中的元素
浏览 2提问于2020-01-14得票数 0
qcut在pandas中是一个很棒的功能。 但在正常的机器学习情况下，我们通常需要将数据拆分成训练数据和测试数据。 让我举一个例子： 我有一个包含7个数据的数据集。 In [5]: pd.qcut([1,4,3,2,5,3,4], 3, labels=False)
Out[5]: array([0, 1, 0, 0, 2, 0, 1]) 但是我想要的只是基于前5个元素的qcut。最后两个，用前5个标记。 因此，前5个标签应该是这样的： In [6]: pd.qcut([1,4,3,2,5], 3, labels=False)
Out[6]: array([0, 2, 1, 0, 2]) 最后
浏览 15提问于2021-01-31得票数 0
回答已采纳
1回答
因此，我有两组特性，我希望对它们进行存储(分类)，然后组合起来创建一个新特性。这与将坐标划分为地图上的网格没有什么不同。
问题是，这些特性的分布并不均匀，我想在这两个特性/坐标上绑定(比如pandas.qcut())时使用分位数。
有比在这两个特性上执行qcut()然后连接结果标签更好的方法吗？
浏览 0提问于2017-04-15得票数 5
回答已采纳
是否有可能将多个函数应用于像这样的元组形式的pandas滚动窗口？
我目前正在创建返回计数，下限和上限的最大仓位计数的滚动窗口上的价格系列。
def qcut_data(x):
data_out = pd.qcut(x, q = 10, duplicates = 'drop').value_counts().nlargest(1)
return data_out
df_m['hist_count'] = df_m['mid'].rolling(window = rolling_window).apply(lambda x: q
浏览 7提问于2017-07-07得票数 4
我有一个数据集，我将qcut和表单类别作为一个pandas.core.indexes.interval.IntervalIndex。
如何使用从原始数据集生成的相同类别对未来的数据集进行分类？
解释代码：
>>> import pandas as pd
>>> import numpy as np
>>> np.random.seed(42)
>>> df = pd.DataFrame(np.random.randint(0,100,size=(10, 4)), columns=list('ABCD'))
浏览 1提问于2018-03-13得票数 2
回答已采纳
1回答
将数据的所有值存入熊猫的百分位数
、、、、
我有一个包含所有数字列的dataframe：
import pandas as pd
import numpy as np
np.random.seed(1001)
df = pd.DataFrame(np.random.randn(10, 2), columns=['A', 'B'])
我想要创建包括A和B的所有值的公共分位数。这两种方法都有一些缺失的值。一旦创建了公共分位数，我想在dataframe中对值进行编码，以便根据值的范围显示标签。对于每一列，我都可以按列进行，但如何在dataframe上这样做呢？
浏览 2提问于2016-06-22得票数 1
回答已采纳
我想按组保存观察结果，并将bin赋值返回到dataframe中：
In [60]: df = pd.DataFrame({'x': np.random.rand(20), 'grp': ['a'] * 10 + ['b'] * 10})
In [61]: df['y'] = df.groupby('grp')['x'].transform(pd.qcut, 3)
Traceback (most recent call last):
File "<ipython-
浏览 2提问于2014-08-18得票数 0
回答已采纳
1回答
让我们假设我们使用下面的代码创建了一个dataframe。我已经根据df中的“value”列创建了一个bin频率计数。现在，如何根据以前创建的bin获得这些label=1样本的频率计数？显然，我不应该为那些标签=1样本使用qcut来获取计数，因为bin位置与以前不一样。
import numpy as np
import pandas as pd
mu, sigma = 0, 0.1
theta = 0.3
s = np.random.normal(mu, sigma, 100)
group = np.random.binomial(1, theta, 100)
df = pd.DataFra
浏览 2提问于2015-06-03得票数 0
回答已采纳
我试图在dataframe列中存储值：
data['New_column'] = data.qcut(data['Old_column'], q=4, labels=["25%","50%","75%","100%"])
并得到一个错误：
AttributeError: 'DataFrame' object has no attribute 'qcut'
MacOS M1，Pandas 1.4.2，Python3.9.12，Anaconda 2022.05
有什么解决
浏览 8提问于2022-06-19得票数 0
我的问题和前面的一样：
但是，我仍然希望在小数中包含0值。有没有办法做到这一点？换句话说，如果我有600个值，其中50%是0，其余的假设在1到100之间，我如何对小数1中的所有0值进行分类，然后对小数标签2到10中的其余非零值进行分类(假设我想要10小数)。我是否可以将0转换为nan，将剩余的非nan数据切成9个小数(1到9)，然后在每个标签(现在是2到10)上加1，并手动将所有0值标记为小数1？即使这样也很棘手，因为在我的数据集中，除了600个值之外，在我将0转换为nan之前，我还有另外几百个可能已经是nan的值。
更新1/26/14：
我想出了以下临时解决方案。然而，这段代码的问题是，如
浏览 2提问于2013-11-23得票数 78
3回答
我想把价值放在同样大小的垃圾箱里。假设我们有以下Pandas系列：
ex = pd.Series([1,2,3,4,5,6,7,888,999])
现在，我想创建三个垃圾桶：
pd.cut(ex, 3, labels=False)
这就产生了三个垃圾箱，并为系列的每个元素分配了如下的收件箱号：
[0,0,0,0,0,0,0,2,2]
现在，我希望使用bin边框，这样每个bin都有相同数量的元素(即3个)，将数据点分配到回收箱应该如下所示：
[0,0,0,1,1,1,2,2,2]
我怎么知道这事？打破领带应该做些什么(例如，当数据点的数量不能被垃圾箱的数量所分割时)？
浏览 2提问于2020-09-11得票数 3
回答已采纳
2回答
在这里的熊猫笔记本上
我看到了将qcut作为新列分配给DataFrame的结果。Dataframe有两列，但是不知何故将qcut输出赋给了一个新列，它神奇地找到了"var“变量所在的正确级别--另一个变量没有被检查。这里的Pandas语义是什么？输出示例如下：
In [2]:
from pandas import *
from statsmodels.formula.api import logit
from statsmodels.nonparametric import KDE
from patsy import dmatrix, dmatrices
In [3]:
df =
浏览 1提问于2013-02-19得票数 5
回答已采纳
我有以下系列：
0 79.0
1 220.0
2 185.0
3 199.0
4 226.0
5 141.0
6 341.0
7 151.0
8 57.0
9 313.0
10 273.0
11 113.0
12 328.0
如果我在这上面使用pandas.cut()，我得到的就是：
series equal_intvls
0 79.0 (0.979, 306.1]
1 220.0 (0.
浏览 0提问于2018-12-09得票数 1
回答已采纳
1回答
这是一个上的谷歌对撞机。
我有一个数据集，表示用户在各种书籍上留下的评论(从0.0到10.0之间)。看起来是这样的：
user sum count mean
0 2 0.0 1 0.000000
60223 159665 8.0 1 8.000000
60222 159662 8.0 1 8.000000
60221 159655 8.0 1 8.000000
60220 159651 5.0 1 5.000000
.
浏览 4提问于2022-09-29得票数 0
回答已采纳
1回答
我和熊猫一起工作(当很多数据等于最小值时)，它会返回一个错误：
Bin edges must be unique
或者我必须扔掉我得到的非唯一的回收箱，但是我所有的数据都在一个垃圾桶里。
例如: dataset：
import pandas as pd
nbins = 2
pd.qcut([0,0,0,0,0,1,2,3], nbins)
然后，我希望有一个高于或低于中位数(这里0)。那我就期待着：
[grp1, grp1, grp1, grp1, grp1, grp2, grp2, grp2]
但我们得到的要么是：
pd.qcut([0,0,0,0,0,1,2,3], 2)
out >
浏览 0提问于2017-10-19得票数 1
回答已采纳
1回答
我在一个数据框中有多个列，其中包含数字数据。我想要对每一列进行四分位，将每个值更改为q1、q2、q3或q4。 我目前循环遍历每一列，并使用pandas qcut函数更改它们： for column_name in df.columns:
df[column_name] = pd.qcut(df[column_name].astype('float'), 4, ['q1','q2','q3','q4']) 这是非常慢的！有没有更快的方法来做这件事？
浏览 31提问于2019-03-15得票数 2
回答已采纳
我有下面的剧本。
我被困在最后一条线上了。因此，如果列recencypct <=0.25，它将在第一个四分位数，当它超过0.75，它在第四个四分位数。
我试图添加多个条件来计算第二和第三四分位数。
第二四分位数>0.25，<= 0.5第三四分位数>0.5，<=0.75
但是，当我尝试最后一行添加这些多个条件时，我得到了错误：
TypeError: cannot compare a dtyped [float64] array with a scalar of type [bool]
有人有什么想法吗？
import pandas as pd
path = '
浏览 0提问于2019-02-01得票数 0
回答已采纳
1回答
我想要自动标记“票价”分位数波段，如下所示。 我的数据如下所示： df.head()
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
0 1 0 3 Braund, Mr. Owen Harris male 22.0 1 0 A/5 21171 7.2500 NaN S
1 2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Th...
浏览 17提问于2019-10-06得票数 0
回答已采纳
我有一个多索引数据在熊猫(日期和entity_id)和每一个日期/实体，我有许多变量的观察(A，B.)。我的目标是创建一个形状相同但值被它们的十分之分数替换的dataframe。
我的测试数据如下所示：
，我想将qcut应用到按多索引的0级分组的每一列中--问题是创建一个结果Dataframe。
这段代码
def qcut_sub_index(df_with_sub_index):
# create empty return value same shape as passed dataframe
df_return=pd.DataFrame()
f
浏览 1提问于2021-02-11得票数 0
回答已采纳
1回答
我正在尝试用不同的方法对连续变量进行分类。我使用了两个方法- bin_sequence和entropy_based_binning方法qcut。为了测试，我创建了一个具有100个值的数据。我将前50条记录的值设置为1，接下来的几条记录设置为2，几条记录的值设置为5，12，然后随机设置几个数字，从而使数据倾斜。 当我试图用数量=6的bins运行它时，它只用qcut方法创建了3个bins。从pandas文档中还不清楚它是如何处理倾斜数据的。此外，关于基于熵的入库的可用信息也非常有限。如果有人能分享细节，我将不胜感激。每种方法的优缺点 年龄11111111111111111111111111111
浏览 25提问于2020-09-09得票数 0
2回答
我有以下数据(p1.head(7))：
ColA
0 6.286333
1 3.317000
2 13.24889
3 26.20667
4 26.25556
5 60.59000
6 79.59000
7 1.361111
我可以使用以下方法获得垃圾箱范围：
pandas.qcut(p1.ColA, 4)
是否有一种方法可以创建一个新列，其中每个值对应于bin的平均值？即每一个垃圾桶，(a，b)，我想要(a+b)/2
浏览 2提问于2014-05-09得票数 1
回答已采纳
我有一个数据框，我想把“close”值绑定到当天的相应范围。(范围=高低差值)。
我需要5个分位数。Q1、Q2、M、Q4、Q5。
示例:低100，高200，关闭125 = Q2
这是df：
Low High range close
amin amax
Date
2019-06-20 2918.00 2946.75 115.0 2943.00
2019-06-21 2930.00 2951.50 86.0 2933.25
2019-06-24 2931.00 2
浏览 2提问于2020-07-17得票数 1
1回答
我有一个包含数字列的数据帧。对于每一列，我希望计算分位数信息，并将每一行分配给其中一列。我试图使用返回一个垃圾箱列表，但结果却是逐个计算垃圾箱。我认为可能存在的东西，但我找不到它是像df.to_quintile(num of quantiles)这样的方法。这就是我想出来的，但我想知道是否有更简洁的方式来做这件事。
import pandas as pd
#create a dataframe
df = pd.DataFrame(randn(10, 4), columns=['A', 'B', 'C', 'D'])
def q
浏览 0提问于2013-01-13得票数 14
回答已采纳
1回答
我有一个名为"df“的dataframe，它有一个datetime索引和四个列：
A B C D
1/1/2020 0.1 0.3 0.2 0.2
1/2/2020 0.3 0.1 0.3 0.3
1/3/2020 0.2 0.2 0.3 0.1
1/4/2020 0.1 0.1 0.1 0.3
我想把数据分成4个“离散”分位数。
如果我想为"A“列这样做，我所需要做的就是使用Pandas的q-削减函数如下：
df["A"] = pd.qcut(df["A"], 4)
但是，问题是，我
浏览 1提问于2020-02-29得票数 0
回答已采纳
我有一个数据帧，我想基于参数num_samples对其进行采样。我想基于年龄跨分位数进行均匀采样。 例如，如果我的数据帧有1000行和num_samples = .5，我将需要采样500行，但从每个分位数采样125行。 我的数据帧的前几条记录如下所示： Age x1 x2 x3
12 1 1 2
45 2 1 3
67 4 1 2
11 3 4 10
18 9 7 6
45 3 5 8
78 8 4 7
64 6 2 3
33 3 2 2 我如何在python/pandas中做到这一点？
浏览 22提问于2021-04-23得票数 1
回答已采纳
1回答
我使用qcut将数据与范围绑定。但是我想在pandas直方图中显示输出范围数据。那么，我该怎么做呢？ps:数据是从csv文件中收集的链接：Csv file link here 我写了以下代码- import matplotlib.pyplot as plt
import pandas as pd
from sklearn.metrics import r2_score
dataset = pd.read_csv("datasets.csv")
print(dataset)
qc = pd.qcut(dataset['Active'], q=8, prec
浏览 28提问于2021-01-09得票数 0
回答已采纳
我使用Pandas函数将一列值排序为分位数，但我不能按这些分位数筛选DataFrame，下面是一个例子：
df = pd.DataFrame(data = [i for i in range(100)], columns = ['values'])
df['bins'] = pd.qcut(df['values'], q = 10)
这给了我这个DataFrame：
但当我尝试用十进制过滤时：
df[df['bins'] == (-0.001, 9.9]]
我明白了：SyntaxError: invalid synta
浏览 6提问于2021-06-01得票数 2
回答已采纳
考虑这样一个简单的数据集，它的列是按分位数剪切的。
kyle = pd.DataFrame({'foo':np.random.randint(0,100,100),'boo':np.random.randint(0,100,100)})
kyle.loc[:,'fooCut'] = pd.qcut(kyle.loc[:,'foo'], np.arange(0,1.1,.1))
kyle.loc[:,'booCut'] = pd.qcut(kyle.loc[:,'boo'], np.arange(0,
浏览 74提问于2019-06-13得票数 1
回答已采纳
1回答
绑定问题
、、、
我试图通过使用binning将连续数据点更改为分类。我知道两种技术，一是等宽的桶二)有相同数量的元素的桶。我的问题是：
哪种类型的组合适合哪类问题？
我在我的数据分析任务中使用了pandas，它有用于任意绑定的pd.cut方法(用于等号的with )，对于元素数相同的回收箱，它使用pd.qcut方法。第二个函数总是生成非常复杂的bin边界(例如，(-28.004,795.8976，(795.8976,900.342))。有没有办法“控制”垃圾箱的边界，使它们对非技术人员更有意义？
提前谢谢。
浏览 0提问于2021-03-08得票数 0
回答已采纳
我有一个脚本，可以将系统日志文件读取到pandas数据帧中，并从这些数据帧生成图表。图表适用于较小的数据集。但当我面对更大的数据集时，由于更长的数据收集时间框架，图表变得太拥挤而无法辨别。
我计划对数据帧进行重采样，以便如果数据集超过一定大小，我将对其进行重采样，以便最终只有SIZE_LIMIT行数。这意味着我需要过滤数据帧，这样每个n= actual_size/SIZE_LIMIT行都会聚集到新数据帧中的一行。agregation可以是平均值，也可以是第n行。
我对熊猫不是很熟悉，所以可能错过了一些明显的方法。
浏览 2提问于2013-01-30得票数 4
回答已采纳
1回答
我有一个名单的公民姓名，我想分类根据他们的频率。我最初想使用二进制，但由于这需要单调的间距，我放弃了。下一个，也许更好的方法是使用pandas.qcut根据频率创建基于分位数的类别。但是有了分位数，我不知道如何根据它们的分位数创建一个额外的列。示例：
import numpy as np
import pandas as pd
np.random.seed(0)
cities = np.random.choice(['Ontario', 'Ottawa', 'Vancouver','Edmonton',
浏览 2提问于2017-10-08得票数 1
回答已采纳
我正在处理一个数据集，它由带有数字/int数据的列组成。它主要包括-1，0，然后在10s和1000之间的部分值。我想用标签取代库仑含量。
pd.qcut(df['TS1'].rank(method='first'),3,labels=["low","mid","high"],duplicates='drop')
命令只转换一个列，我不知道如何对整个数据集进行分类。
浏览 1提问于2018-05-06得票数 0
回答已采纳
我需要在pandas数据帧中显示间隔内的.value_counts()。这是我的代码
prob['bucket'] = pd.qcut(prob['prob good'], 20)
grouped = prob.groupby('bucket', as_index = False)
kstable = pd.DataFrame()
kstable['min_prob'] = grouped.min()['prob good']
kstable['max_prob'] = grouped.max()[
浏览 6提问于2021-05-25得票数 1
回答已采纳
我正在努力制作一个DataFrame预处理管道，使用sklearn并链接各种类型的预处理步骤。
我想链接一个SimpleImputer转换器和一个应用pd.qcut (或pd.cut)的FunctionTransformer，但是我一直收到以下错误：
ValueError:输入数组必须是一维的
这是我的密码：
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from s
浏览 1提问于2020-06-17得票数 3
回答已采纳
我想在三个组中减少变量x：
new_var = pd.qcut(x,q = [0,.33,.66,1.],labels = ['low','medium','high'])
作为x.quantile(q = 0.33)，我收到了值0.6。
我的问题是:是否有一些函数，可以在n(在我的例子中是3)组上削减x变量，但是但是而不是分位数(比如qcut)，我们可以定义阈值。在我的例子中，我想得到的不是0.6，而是0.59999...
或者，在qcut函数中，是否有可能将值(从0.6开始)定义为“中等”(而不是“低”)？我是说，而不是用封闭的间隔来打开。
浏览 2提问于2017-06-29得票数 0
回答已采纳
1回答
我正在参与泰坦尼克号数据集(Kaggle)竞赛。dataset中的一列是Fare，它包含浮点值。对于EDA，我已经将票价列转换为箱，并为箱分配了标签。问题是一些标签被分配给了np.nan。 Fare 1284 non-null float64 以下是一些示例值： 0 7.2500
1 71.2833
2 7.9250
3 53.1000
4 8.0500 当我使用qcut将bins列转换为bins时： dataset['FareBin'] = pd.qcut(dataset['F
浏览 10提问于2019-12-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
