python中lcut什么意思_基于pythoncut和qcut的⽤法及区别详
解
我就废话不多说了，直接上代码吧：
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
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(cats)
#调⽤pd.value_counts⽅法统计每个区间的个数
number=pd.value_counts(cats)
#print(pd.value_counts(cats))
#显⽰第⼏个区间index值
index=pd.cut(ages,bins).codes
#print(index)
#为分类出来的每⼀组年龄加上标签
group_names = ["Youth","YouthAdult","MiddleAged","Senior"]
personType=pd.cut(ages,bins,labels=group_names)
#print(personType)
plt.hist(personType)
#plt.show()
writeline和write的区别python#cut和qcut的⽤法
data=[1,2,3,4,5,6,7,8,9,10]
result=pd.qcut(data,4)
print(' ',result)##qcut会将10个数据进⾏排序，然后再将data数据均分成四组
#统计落在每个区间的元素个数
print('dasdasdasdasdas: ',pd.value_counts(result))
#qcut : 跟cut⼀样也可以⾃定义分位数（0到1之间的数值，包括端点）
results=pd.qcut(data,[0,0.1,0.5,0.9,1])
print('results: ',results)
import numpy as np
import pandas as pd
data = np.random.rand(20)
print(data)
#⽤cut函数将⼀组数据分割成n份
#cut函数分割的⽅式：数据⾥的（最⼤值-最⼩值）/n=每个区间的间距
#利⽤数据中最⼤值和最⼩值的差除以分组数作为每⼀组数据的区间范围的差值
result = pd.cut(data,4,precision=2) #precision保留⼩数点的有效位数
print(result)
res_data=pd.value_counts(result)
print(res_data)
以上这篇基于python cut和qcut的⽤法及区别详解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，也希望⼤家多多⽀持脚本之家。