20250620-`Pandas.cut` 的使用注意事项

Pandas.cut 的使用注意事项

pd.cut 是 Pandas 提供的一个非常实用的函数，用于将数值数据分割成离散的区间（bins）。它常用于数据分桶（binning）、分类或离散化操作。

参数说明

1. x: Any

• 描述：输入数据，可以是 Pandas Series、列表或数组。
• 示例：

  import pandas as pd
  x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  

2. bins: Any

• 描述：定义分割点的边界。长度必须比 labels 长 1，可以是以下几种类型：
  • 整数：指定分割的区间数，pd.cut 会自动计算等宽的区间。
  • 序列：指定具体的分割点，例如 [0, 5, 10, 15]，表示分割区间为 (0, 5]、(5, 10] 和 (10, 15]。
• 示例：

  bins = 3  # 自动分割为3个等宽区间
  bins = [0, 5, 10, 15]  # 自定义分割点
  

3. right: bool = True

• 描述：是否包含右侧边界。
  • 如果为 True，则区间为 (a, b]。
  • 如果为 False，则区间为 [a, b)。
• 示例：

  pd.cut(x, bins=3, right=True)  # 默认为 (a, b]
  pd.cut(x, bins=3, right=False)  # 区间为 [a, b)
  

4. labels: Any = None

• 描述：为每个区间指定标签。如果为 None，则默认使用区间字符串作为标签。
• 示例：

  labels = ['低', '中', '高']
  pd.cut(x, bins=3, labels=labels)
  

5. retbins: bool = False

• 描述：是否返回分割点。
  • 如果为 True，则返回一个元组 (binned_data, bins)。
  • 如果为 False，则只返回分桶后的数据。
• 示例：

  result, bins = pd.cut(x, bins=3, retbins=True)
  

6. precision: int = 3

• 描述：控制分割点的精度（小数点后保留的位数）。
• 示例：

  pd.cut(x, bins=3, precision=2)  # 分割点保留两位小数
  

7. include_lowest: bool = False

• 描述：是否包含最低值（第一个区间的左边界）。
  • 如果为 True，则第一个区间为 [a, b)。
  • 如果为 False，则第一个区间为 (a, b)。
• 示例：

  pd.cut(x, bins=3, include_lowest=True)  # 第一个区间包含最低值
  

8. duplicates: str = "raise"

• 描述：处理重复分割点的方式。
  • "raise"：如果发现重复的分割点，抛出 ValueError。
  • "drop"：忽略重复的分割点。
• 示例：

  pd.cut(x, bins=[0, 5, 5, 10], duplicates='drop')  # 忽略重复的5
  

9. ordered: bool = True

• 描述：是否将结果作为有序分类（Categorical）返回。
  • 如果为 True，则返回有序分类。此时 labels 中的数据必须唯一
  • 如果为 False，则返回无序分类。此时 labels 中的数据可重复
• 示例：

  pd.cut(x, bins=3, ordered=True)  # 默认为有序分类
  

返回值

• 返回类型：Pandas Categorical 类型（分类数据）。
• 内容：每个数据点对应的区间标签。

使用示例

示例 1：自动分割区间

import pandas as pd

x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
result = pd.cut(x, bins=3)
print(result)

输出：

[(0.994, 4.0], (0.994, 4.0], (0.994, 4.0], (0.994, 4.0], (4.0, 7.0], (4.0, 7.0], (4.0, 7.0], (7.0, 10.0], (7.0, 10.0], (7.0, 10.0]]
Categories (3, interval[float64]): [(0.994, 4.0] < (4.0, 7.0] < (7.0, 10.0]]

示例 2：自定义分割点

result = pd.cut(x, bins=[0, 5, 10, 15])
print(result)

输出：

[(0, 5], (0, 5], (0, 5], (0, 5], (0, 5], (5, 10], (5, 10], (5, 10], (5, 10], (5, 10]]
Categories (3, interval[int64]): [(0, 5] < (5, 10] < (10, 15]]

示例 3：自定义标签

result = pd.cut(x, bins=[0, 5, 10, 15], labels=['低', '中', '高'])
print(result)

输出：

[低, 低, 低, 低, 低, 中, 中, 中, 中, 中]
Categories (3, object): [低 < 中 < 高]

示例 4：返回分割点

result, bins = pd.cut(x, bins=3, retbins=True)
print(result)
print(bins)

输出：

[(0.994, 4.0], (0.994, 4.0], (0.994, 4.0], (0.994, 4.0], (4.0, 7.0], (4.0, 7.0], (4.0, 7.0], (7.0, 10.0], (7.0, 10.0], (7.0, 10.0]]
Categories (3, interval[float64]): [(0.994, 4.0] < (4.0, 7.0] < (7.0, 10.0]]
[0.994 4.     7.     10.   ]