Python大數(shù)據(jù)培訓(xùn)：離散化連續(xù)數(shù)據(jù)

　　有時候我們會碰到這樣的需求，例如，將有關(guān)年齡的數(shù)據(jù)進行離散化(分桶)或拆分為“面元”，直白來說，就是將年齡分成幾個區(qū)間。Pandas的cut()函數(shù)能夠?qū)崿F(xiàn)離散化操作，該函數(shù)的語法格式如下：

pandas.cut(x, bins, right=True, labels=None, retbins=False,
           precision=3, include_lowest=False, duplicates='raise')

　　上述函數(shù)中常用參數(shù)表示的含義如下：

　　(1)x：表示要分箱的數(shù)組，必須是一維的。

　　(2)bins：接收int和序列類型的數(shù)據(jù)。如果傳入的是int類型的值，則表示在x范圍內(nèi)的等寬單元的數(shù)量(劃分為多少個等間距區(qū)間);如果傳入的是一個序列，則表示將x劃分在指定的序列中，若不在此序列中，則為NaN。

　　(3)right：是否包含右端點，決定區(qū)間的開閉，默認(rèn)為True。

　　(4)labels：用于生成區(qū)間的標(biāo)簽。

　　(5)retbins：是否返回bin。

　　(6)precision：精度，默認(rèn)保留三位小數(shù)。

　　(7)include_lowest：是否包含左端點。

　　cut()函數(shù)會返回一個Categorical對象，我們可以將其看作一組表示面元名稱的字符串，它包含了分組的數(shù)量以及不同分類的名稱。

　　假設(shè)當(dāng)前有一組年齡數(shù)據(jù)，需要將這組年齡數(shù)據(jù)劃分為0～12歲、12～25歲、25～45歲、45～50歲、50歲以上共5種類型，圖4-28是將這些數(shù)據(jù)經(jīng)過面元劃分前后的對比效果。

　　圖4-28 面元化處理過程