Pandas, как использовать pd.cut()

Вот фрагмент:

test = pd.DataFrame({'days': [0,31,45]})
test['range'] = pd.cut(test.days, [0,30,60])

Выход:

    days    range
0   0       NaN
1   31      (30, 60]
2   45      (30, 60]

Я удивлен, что 0 не находится в (0, 30), что мне делать, чтобы классифицировать 0 как (0, 30]?

Ответ 1

test['range'] = pd.cut(test.days, [0,30,60], include_lowest=True)
print (test)
   days           range
0     0  (-0.001, 30.0]
1    31    (30.0, 60.0]
2    45    (30.0, 60.0]

См. Разницу:

test = pd.DataFrame({'days': [0,20,30,31,45,60]})

test['range1'] = pd.cut(test.days, [0,30,60], include_lowest=True)
#30 value is in [30, 60) group
test['range2'] = pd.cut(test.days, [0,30,60], right=False)
#30 value is in (0, 30] group
test['range3'] = pd.cut(test.days, [0,30,60])
print (test)
   days          range1    range2    range3
0     0  (-0.001, 30.0]   [0, 30)       NaN
1    20  (-0.001, 30.0]   [0, 30)   (0, 30]
2    30  (-0.001, 30.0]  [30, 60)   (0, 30]
3    31    (30.0, 60.0]  [30, 60)  (30, 60]
4    45    (30.0, 60.0]  [30, 60)  (30, 60]
5    60    (30.0, 60.0]       NaN  (30, 60]

Или используйте numpy.searchsorted, но значения days должны быть отсортированы:

arr = np.array([0,30,60])
test['range1'] = arr.searchsorted(test.days)
test['range2'] = arr.searchsorted(test.days, side='right') - 1
print (test)
   days  range1  range2
0     0       0       0
1    20       1       0
2    30       1       1
3    31       2       1
4    45       2       1
5    60       2       2

Ответ 2

Документация pd.cut
Включить параметр right=False

test = pd.DataFrame({'days': [0,31,45]})
test['range'] = pd.cut(test.days, [0,30,60], right=False)

test

   days     range
0     0   [0, 30)
1    31  [30, 60)
2    45  [30, 60)

Ответ 3

Пример работы .cut

s=pd.Series([168,180,174,190,170,185,179,181,175,169,182,177,180,171)
    pd.cut(s,3)
    #To add labels to bins
    pd.cut(s,3,labels=["Small","Medium","Large"])

Это может быть использовано непосредственно в диапазоне

Ответ 4

Вы также можете использовать метки для pd.cut(). Следующий пример содержит оценку учеников в диапазоне от 0 до 10. Мы добавляем новый столбец под названием "grade_cat" для классификации оценок.

интервалы представляют интервалы: 0-4 - один интервал, 5-6 - один интервал и т.д. Соответствующие метки - "плохие", "нормальные" и т.д.

bins = [0, 4, 6, 10]
labels = ["poor","normal","excellent"]
student['grade_cat'] = pd.cut(student['grade'], bins=bins, labels=labels)

Ответ 5

@jezrael объяснил почти все варианты использования pd.cut()

Я хотел бы добавить один вариант использования:

pd.cut(np.array([1,2,3,4,5,6]),3)

количество бинов определяется вторым параметром, поэтому мы имеем следующий вывод

[(0.995,2.667],(0.995,2.667],(2.667,4.333],(2.667,4.333], (4.333,6.0], (4.333,6.0]]
Categories (3, interval[float64]): [(0.995,2.667] < (2.667,4.333] < (4.333,6.0]]

Точно так же, если мы используем номер параметра bin (второй параметр), в качестве следующих 2 будет вывод

[(0.995, 3.5], (0.995, 3.5], (0.995, 3.5], (3.5, 6.0], (3.5, 6.0], (3.5, 6.0]]
Categories (2, interval[float64]): [(0.995, 3.5] < (3.5, 6.0]]