基于python 等頻分箱qcut問題的解決

更新時間：2020年03月03日 10:51:25 作者：喜東東cc

這篇文章主要介紹了基于python 等頻分箱qcut問題的解決，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

在python 較新的版本中，pandas.qcut()這個函數(shù)中是有duplicates這個參數(shù)的，它能解決在等頻分箱中遇到的重復值過多引起報錯的問題；

在比較舊版本的python中，提供一下解決辦法：

import pandas as pd
 
def pct_rank_qcut(series, n):
  '''
  series：要分箱的列
  n：箱子數(shù)
  '''
  edages = pd.series([i/n for i in range(n)] # 轉(zhuǎn)換成百分比
  func = lambda x: (edages >= x).argmax() #函數(shù)：(edages >= x)返回fasle/true列表中第一次出現(xiàn)true的索引值
  return series.rank(pct=1).astype(float).apply(func) #series.rank(pct=1)每個值對應的百分位數(shù)，最終返回對應的組數(shù);rank()函數(shù)傳入的數(shù)據(jù)類型若為object，結(jié)果會有問題，因此進行了astype

補充拓展：Python數(shù)據(jù)離散化:等寬及等頻

在處理數(shù)據(jù)時，我們往往需要將連續(xù)性變量進行離散化，最常用的方式便是等寬離散化，等頻離散化，在此處我們討論離散化的概念，只給出在python中的實現(xiàn)以供參考

1. 等寬離散化

使用pandas中的cut()函數(shù)進行劃分

import numpy as np
import pandas as pd
 
# Discretization: Equal Width #
# Datas: Sample * Feature
def Discretization_EqualWidth(K, Datas, FeatureNumber):
  DisDatas = np.zeros_like(Datas)
  for i in range(FeatureNumber):
    DisOneFeature = pd.cut(Datas[:, i], K, labels=range(1, K+1))
    DisDatas[:, i] = DisOneFeature
  return DisDatas

2. 等頻離散化

pandas中有qcut()可以使用，但是邊界易出現(xiàn)重復值，如果為了刪除重復值設置 duplicates=‘drop'，則易出現(xiàn)于分片個數(shù)少于指定個數(shù)的問題，因此在此處不使用qcut()

import numpy as np
import pandas as pd
 
# Discretization: Equal Frequency #
# vector: single feature
def Rank_qcut(vector, K):
  quantile = np.array([float(i) / K for i in range(K + 1)]) # Quantile: K+1 values
  funBounder = lambda x: (quantile >= x).argmax()
  return vector.rank(pct=True).apply(funBounder)
 
# Discretization: Equal Frequency #
# Datas: Sample * Feature
def Discretization_EqualFrequency(K, Datas, FeatureNumber):
  DisDatas = np.zeros_like(Datas)
  w = [float(i) / K for i in range(K + 1)]
  for i in range(FeatureNumber):
    DisOneFeature = Rank_qcut(pd.Series(Datas[:, i]), K)
    #print(DisOneFeature)
    DisDatas[:, i] = DisOneFeature
  return DisDatas

以上這篇基于python 等頻分箱qcut問題的解決就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: