开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

Pandas qcut返回，而bin在左侧边界显示不一致。

Pandas是一个开源的数据分析和数据处理工具，qcut是Pandas中的一个函数，用于将数据分成指定数量的相等大小的区间。当使用qcut函数时，有时会出现bin在左侧边界显示不一致的情况。

这个问题通常是由于数据中存在边界值的重复导致的。qcut函数在将数据分成区间时，会根据数据的分布情况来确定每个区间的边界值。如果数据中存在重复的边界值，那么在确定边界值时就会出现不一致的情况。

为了解决这个问题，可以使用参数duplicates='drop'来删除重复的边界值。这样，在确定边界值时就会忽略重复的值，从而保证bin在左侧边界显示的一致性。

下面是一个示例代码：

import pandas as pd

# 创建一个包含重复边界值的数据
data = [1, 2, 3, 4, 5, 5, 6, 7, 8, 9]
# 使用qcut函数，并设置duplicates='drop'
result = pd.qcut(data, 5, duplicates='drop')

print(result)

输出结果为：

[(0.999, 3.0], (0.999, 3.0], (3.0, 4.0], (4.0, 5.0], (4.0, 5.0], (4.0, 5.0], (5.0, 7.0], (7.0, 8.0], (8.0, 9.0]]
Categories (5, interval[float64]): [(0.999, 3.0] < (3.0, 4.0] < (4.0, 5.0] < (5.0, 7.0] < (7.0, 8.0] < (8.0, 9.0]]

在这个示例中，我们使用了包含重复边界值的数据，并设置了duplicates='drop'参数。结果中的bin在左侧边界显示的一致性得到了保证。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Pandas 对数值进行分箱操作的4种方法总结对比

在本文中，我们将讨论使用 python Pandas 库对数值进行分箱的 4 种方法。...1、between & loc Pandas .between 方法返回一个包含 True 的布尔向量，用来对应的 Series 元素位于边界值 left 和 right[1] 之间。...如果 retbins 设置为 True 则会返回 bin 边界。...series 索引是指每个 bin 的区间范围，其中方括号 [ 和圆括号 ) 分别表示边界值是包含的和不包含的。返回series 的值表示每个 bin 中有多少条记录。...总结在本文中，介绍了如何使用 .between、.cut、.qcut 和 .value_counts 对连续值进行分箱。

1K4 0

Pandas 对数值进行分箱操作的 4 种方法

使用 Pandas 的between 、cut、qcut 和 value_count离散化数值变量。...在本文中，我们将讨论使用 python Pandas 库对数值进行分箱的 4 种方法。...1、between & loc Pandas .between 方法返回一个包含 True 的布尔向量，用来对应的 Series 元素位于边界值 left 和 right 之间。...返回series 的值表示每个 bin 中有多少条记录。与 .qcut 不同，每个 bin 中的记录数不一定相同（大约）。....总结在本文中，介绍了如何使用 .between、.cut、.qcut 和 .value_counts 对连续值进行分箱。

1.3K2 0

Pandas 对数值进行分箱操作的4种方法总结对比

在本文中，我们将讨论使用 python Pandas 库对数值进行分箱的 4 种方法。...1、between & loc Pandas .between 方法返回一个包含 True 的布尔向量，用来对应的 Series 元素位于边界值 left 和 right[1] 之间。...) 如果 retbins 设置为 True 则会返回 bin 边界。...series 索引是指每个 bin 的区间范围，其中方括号 [ 和圆括号 ) 分别表示边界值是包含的和不包含的。返回series 的值表示每个 bin 中有多少条记录。...总结在本文中，介绍了如何使用 .between、.cut、.qcut 和 .value_counts 对连续值进行分箱。

2.7K3 0

数据科学|Pandas 对数值进行分箱操作的 4 种方法

在本文中，我们将讨论使用 python Pandas 库对数值进行分箱的 4 种方法。...1、between & loc Pandas .between 方法返回一个包含 True 的布尔向量，用来对应的 Series 元素位于边界值 left 和 right 之间。...返回series 的值表示每个 bin 中有多少条记录。与 .qcut 不同，每个 bin 中的记录数不一定相同（大约）。....这也解释了为什么 bin 的边界是 33.33 的倍数。我们还可以通过传入边界列表来定义 bin 边界。...总结在本文中，介绍了如何使用 .between、.cut、.qcut 和 .value_counts 对连续值进行分箱。

1.9K2 0

浅谈pandas.cut与pandas.qcut的使用方法及区别

3.labels, 4.retbins 5.precisoon 6.duplicates 结果中超过边界的值将会变成NA demo: pd.qcut(range(5), 4) .....然后，在qcut() 函数中设置duplicates参数为“drop”（不能设置为“raise”），解决（如下）。 ? 本次纠错背景，来源于互金领域信用风控建模中的变量分箱处理。...中使用qcut()，边界易出现重复值，如果为了删除重复值设置 duplicates=‘drop'，则易出现于分片个数少于指定个数的问题 d2 = d1.groupby('Bucket', as_index...删除后发现没有解决问题，真正解决问题是在qcut()函数中没有设置duplicates参数为“drop”（不能设置为“raise”） data=data.drop_duplicates(subset=None...与pandas.qcut的使用方法及区别就是小编分享给大家的全部内容了，希望能给大家一个参考。

2.3K5 0

基于python 等频分箱qcut问题的解决

在python 较新的版本中，pandas.qcut()这个函数中是有duplicates这个参数的，它能解决在等频分箱中遇到的重复值过多引起报错的问题；在比较旧版本的python中，提供一下解决办法...： import pandas as pd def pct_rank_qcut(series, n): ''' series：要分箱的列 n：箱子数 ''' edages = pd.series...([i/n for i in range(n)] # 转换成百分比 func = lambda x: (edages = x).argmax() #函数：(edages = x)返回fasle/...等频离散化 pandas中有qcut()可以使用，但是边界易出现重复值，如果为了删除重复值设置 duplicates=‘drop’，则易出现于分片个数少于指定个数的问题，因此在此处不使用qcut() import...numpy as np import pandas as pd # Discretization: Equal Frequency # # vector: single feature def Rank_qcut

3.9K3 0

盘一盘 Python 特别篇 21 - 分箱之 qcut

首先引入要用到的工具包： import pandas as pd import numpy as np import seaborn as sns sns.set_style('whitegrid')...pd.qcut(df['ext price'], q=4) ? 从上面结果可知，每一个 ext price 都被赋予一个 category 的区间，而总共有 4 个区间，因为我们设置 q = 4。...下面将 ext price 列下的值分别分为 4 组和 10 组，并在 10 组展示区间值时设置 precision = 0，只显示小数点后一位。...results, bin_edges = pd.qcut(df['ext price'], q=[0, .2, .4, .6, .8, 1],...在机器学习中，最终还是需要将字符串格式的类别型变量转换成数值格式的连续型变量，这时将 labels 设置为 False 即可。

1K1 0

初学者使用Pandas的特征工程

pandas具有两个对变量进行分箱的功能，即cut() 和qcut() 。 qcut() ： qcut是基于分位数的离散化函数，它试图将bins分成相同的频率组。...让我们尝试使用qcut函数对大型超市的Item_MRP变量进行装箱： #name of groups groups = ['Low', 'Med', 'High', 'Exp'] data['Item_MRP_Bin_qcut...'] = pd.qcut(data['Item_MRP'], q=4, labels=groups) data[['Item_MRP', 'Item_MRP_Bin_qcut']].head() ?...使用qcut函数，我们的目的是使每个bin中的观察数保持相等，并且我们没有指定要进行拆分的位置，最好仅指定所需的bin数。在case cut函数中，我们显式提供bin边缘。...用于文本提取的apply() pandas的apply() 函数允许在pandas系列上传递函数并将其传递到变量的每个点。它接受一个函数作为参数，然后将其应用于数据框的行或列。

4.8K3 1

如何使用Python创建美观而有见地的图表

目前的工作流程最终决定使用Pandas原生绘图进行快速检查，并使用Seaborn生成要在报表和演示文稿中使用的图表（在视觉上很重要）。...pip install matplotlib==3.1.0 """ 快速：使用Pandas进行基本绘图 Pandas具有内置的绘图功能，可以在Series或DataFrame上调用它。...在大多数情况下，用它来澄清图表中显示的内容，以便当回到图表上时，可以快速确定发生了什么。title需要一个字符串。 bins：允许覆盖直方图的bin宽度。...在每个这些图中，中心图（散点图，双变量KDE和hexbin）有助于理解两个变量之间的联合频率分布。此外，在中心图的右边界和上边界，描绘了各个变量的边际单变量分布（作为KDE或直方图）。...在外排显示的是一年范围，在外排显示的是人均GDP，在内排显示的是感知的腐败程度，内排则为各洲。我们看到，幸福感朝着右上角增加（即人均GDP高和感知腐败低）。

3K2 0

万字长文 | 超全代码详解Python制作精美炫酷图表教程

人生阶梯分布的方框图显示平均值在5.5左右，范围为3~8。...此外，在中心图的右边界和上边界，描述了各自变量的边际单变量分布（用KDE或直方图表示）。...Seaborn双标图，散点图、二元KDE和Hexbin图都在中心图中，边缘分布在中心图的左侧和顶部。散点图散点图是一种可视化两个变量联合密度分布的方法。...它的作用类似于盒状图，显示了定量数据在分类变量之间的分布，以便对这些分布进行比较。...Facet热图，外层的行显示在一年内，外层的列显示人均GDP，内层的行显示政治清廉，内层的列显示大洲。我们看到幸福指数朝着右上方向增加（即，高人均GDP和高政治清廉）。

3.1K1 0

盘一盘 Python 特别篇 22 - 分箱之 cut

当要给连续数值型数据分箱成几个组，我们可以使用上贴介绍的 qcut 函数，也可以使用本贴介绍的 cut 函数。...两者的区别是： qcut 分组后保证每组含有的数据几乎一样多，每组的边界会被反算出来 cut 自定义每组的边界，每组组含有的数据个数不同首先引入要用到的工具包： import pandas as...cut 在实际案例中，可通过业务规则定义箱。就拿新加坡航空公司飞行会员计划，25,000 英里是银卡 (silver) 而 50,000 英里是金卡 (gold)，并且它不会根据数据的年度变化而变化。...如果我们要定义箱边界 (25,000, 50,000)，我们就不能使用 qcut 而是 cut 了，因为后者可以自定义箱边界。首先将数据分成四个箱，注意每个箱的上界和下界之差为 32,265。...需要注意的是，在使用 interval_range() 函数时，参数 labels 的设置被忽略了。

9862 0

绘制频率分布直方图的三种方法，总结的很用心！

# pandas.cut() 也同样是一个方便的方法，用来将数据进行强制的分箱 # 将一系列数值分成若干份 #cut()方法，参数bin指明切分区间，左开右闭区间。...,"青年组","中青年组","中年组","中老年组"] groups=pd.cut(ages,bins=bins,labels=labels) data=groups.value_counts() #qcut...# pd.qcut(ages,6).value_counts() df1=DataFrame(data,columns=["病例数"]) plt.subplot(1,1,1) x=labels y=df1...Python实现histogram方法 #生成直方图 # count_elements() 返回了一个字典，字典里的键值对：所有数值出现的频率次数。...9）、align：设置条形边界的对齐方式，默认mid,另外left和right。 10）、orientation：设置直方图的摆放方向，默认vertical垂直方向。

36.3K4 2

数据整合与数据清洗

', None) # 显示10行 pd.set_option('display.max_rows', 10) # 设置显示宽度为1000,这样就不会在IDE的输出框中换行了 pd.set_option(...loc方法在选择列时只能使用字符索引。...# 返回pandas序列结构的类 print(df['age']) print(df.age) print(df.ix[:, 'age']) print(df.loc[:, 'age']) # 返回pandas...只不过ix和loc方法，行索引是前后都包括的，而列索引则是前包后不包(与列表索引一致)。 iloc方法则和列表索引一致，前包后不包。...其中Pandas的qcut函数提供了分箱的实现方法，默认是实现等宽分箱。

4.6K3 0

收藏 | 提高数据处理效率的 Pandas 函数方法

“room_type”这一列来进行处理 pd.factorize(df['room_type']) 结果返回的是元组形式的数据，由两部分组成，其中的第一部分是根据离散值映射完成后的数字，另一部分则是具体的离散值数据...: 将第一列的给去掉我们将它与源数据进行合并的话 df.join(pd.get_dummies(df['room_type'])) 03 pandas.qcut() 有时候我们需要对数据集中的某一列进行分箱处理...例如我们把学生年龄按15岁划分成一组，0-15岁的叫做少年，16-39岁的叫做青年，而31-45岁的叫做壮年。...在“Pandas”模块当中也有相对应的方法来实现分箱操作。...Julia Computing 获 2400 万美元融资，前 Snowflake CEO 加入董事会芯片开发语言：Verilog 在左，Chisel 在右深度学习实现场景字符识别模型｜代码干货

6232 0

数据清洗与准备（3）

过滤缺失值（点此跳转）（2）补全缺失值（点此跳转） 2 数据转换（1）删除重复值（点此跳转）（2）使用函数或映射进行数据转换（点此跳转）（3）替代值（点此跳转）（4）重命名轴索引重命名轴索引可以在不生成新的数据的情况下修改轴...0 1 2 3 Orange 4 5 6 7 Banana 8 9 10 11 以上修改都是生成一个对象，如果想要修改原有数据集，仅需在函数加一个参数...(25, 35]] Length: 12 Categories (4, interval[int64]): [(18, 25] < (25, 35] < (35, 60] < (60, 100]] 返回了一个...它是依据样本分位数分箱；使用cut通常不会使每一组有相同数量的数据点，而qcut基于样本分位数分箱，可以保证每个组的数量相等： data = np.random.rand(1000) #从-1~1随机取...在下一章将会介绍pandas的数据连接和联合等功能。

5082 0

【python】数据挖掘分析清洗——离散化方法汇总

import pandas as pdemb_dummies_df = pd.get_dummies(data['会计准则'],prefix=data[['会计准则']].columns[0])#prefix...train_data['Fare_bin'] = pd.qcut(train_data['Fare'],5) #5是指分成五份#自定义范围划分bins = [0,59,70,80,100]df['Categories...位# qcut是另一个分箱相关的函数，基于样本分位数进行分箱。...取决于数据的分布，使用cut不会使每个箱子具有相同数据数量的数据点，而qcut，使用# 样本的分位数，可以获得等长的箱data3 = np.random.randn(1000) # 正太分布cats...提高预测准确性：在一些场景下，离散化后的数据可以更好地揭示变量之间的关系，提高模型的预测准确性。例如，在信用评分模型中，将收入分成若干个等级可以更好地捕捉收入与违约率之间的非线性关系。

5363 0

一日一学--如何对数值型特征进行分桶

要从计数映射到bin，取计数的log值。对数变换是处理具有重尾分布的正数的有力工具。（重尾分布在尾部范围内的概率比高斯分布的概率大）。...它将分布在高端的长尾压缩成较短的尾部，并将低端扩展成较长的头部。...0-99 之间的随机整数 small_counts = np.random.randint(0, 100, 20) # 进行分箱操作, 通过对数据除以 10 分到 0-9 总共 9 个箱里， # 返回的结果就是对应数据应该划分到的箱的编号...pandas.DataFrame.quantile 和 pandas.Series.quantile 用于计算分位数。pandas.qcut 将数据映射到所需数量的分位数。...64011, 80, 3, 725, 867, 2215, 7689, 11495, 91897, 44, 28, 7971, 926, 122, 22222] # 将数据映射到所需数量的分位数 pd.qcut

8.8K3 0

pandas系列11-cutstackmelt

-dimensional.待切分的数据，必须是一维的 bins：int, sequence of scalars, or IntervalIndex（间隔指数）.The criteria to bin...retbins：bool, default False：是否返回bins Whether to return the bins or not....qcut 不需要事先指明切分区间，只需要指明切分的份数即可，依据的原则是每个份数中的数据尽可能相等 ? ?...pandas中还可以通过直接给某列字段赋值的方式实现 ?...把数据从表格型数据转换到树形数据的过程，称之为重塑reshape stack 该过程在Excel中无法实现，在pandas中是通过\color{red}{stack}方法实现的 ?

3.4K1 0

3种特征分箱方法

消除特征变量的量纲影响，因为分箱之后都是类别数，例如：0,1,2… 能够在一定程度上减少异常值的影响，对异常数据有很强的鲁棒性模拟数据模拟一份简单的数据和收入INCOME相关 In [1]: import pandas...等宽分箱的边界查看： In [7]: dis.bin_edges_ Out[7]: array([array([ 0., 50., 100., 150.])], dtype=object) In [...8]: dis.n_bins Out[8]: 3 等频分箱等频分箱指的是每个区间内包含的取值个数是相同的，和等宽分箱的区别：等频分箱：每个区间内包括的值一样多，pd.qcut 等宽分箱：每两区间之间的距离是一样的...In [14]: dis.bin_edges_ # 分箱边界 Out[14]: array([array([ 0., 20., 50., 150.])], dtype=object) In [15...In [20]: dis.bin_edges_ # 分箱边界 Out[20]: array([array([ 0.

5173 0

《利用Python进行数据分析·第2版》第12章 pandas高级应用12.1 分类数据12.2 GroupBy高级应用12.3 链式编程技术12.4 总结

12.1 分类数据这一节介绍的是pandas的分类类型。我会向你展示通过使用它，提高性能和内存的使用率。我还会介绍一些在统计和机器学习中使用分类数据的工具。...来看一些随机的数值数据，使用pandas.qcut面元函数。...它会返回pandas.Categorical，我们之前使用过pandas.cut，但没解释分类是如何工作的： In [41]: np.random.seed(12345) In [42]: draws...我们可以使用labels参数qcut，实现目的： In [46]: bins = pd.qcut(draws, 4, labels=['Q1', 'Q2', 'Q3', 'Q4']) In [47]:...它不是就地修改对象，而是返回新的修改过的DataFrame。

2.3K7 0

点击加载更多

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

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭