快捷導(dǎo)航

理解Python數(shù)據(jù)離散化手寫if-elif語句與pandas中cut()方法實(shí)現(xiàn)

更新時(shí)間：2023年05月18日 09:42:46 作者：奕澤

這篇文章主要介紹了通過手寫if-elif語句與pandas中cut()方法實(shí)現(xiàn)示例理解Python數(shù)據(jù)離散化詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

正文

當(dāng)我們進(jìn)行數(shù)據(jù)分析時(shí)，有時(shí)候需要對數(shù)值型數(shù)據(jù)進(jìn)行離散化，將其劃分為不同的標(biāo)簽或類別。這樣做可以方便我們進(jìn)行統(tǒng)計(jì)和分析，并幫助我們更好地理解數(shù)據(jù)。

在本文中，我們將介紹兩種常見的離散化方法，并提供實(shí)現(xiàn)代碼。

方法一：使用條件語句

第一種方法是使用條件語句來顯式地檢查輸入值 x 是否在每個(gè)區(qū)間內(nèi)，并返回相應(yīng)的標(biāo)簽。這種方法適用于自定義的分段方式，要求手動設(shè)置每個(gè)閾值和對應(yīng)的標(biāo)簽。

下面是一個(gè)示例函數(shù) transfor_num 的實(shí)現(xiàn)代碼：

def transfor_num(x):
    if x ==0:
        label = '無交易'
    elif 0 < x <=0.01:
        label = '0-0.01'
    elif 0.01 < x <=0.04:
        label = '0.01-0.04'
    elif 0.04 < x <=0.09:
        label = '0.04-0.09'
    elif 0.09 < x <=0.49:
        label = '0.09-0.49'  
    elif 0.49 < x <=0.99:
        label = '0.49-0.99'
    elif 0.99 < x <=4.99:
        label = '0.99-4.99'    
    elif 4.99 < x <=9.99:
        label = '4.99-9.99'
    elif 9.99 < x <=19.99:
        label = '9.99-19.99'
    elif 19.99 < x <=49.99:
        label = '19.99-49.99'
    elif 49.99 < x <=99.99:
        label = '49.99-99.99'
    elif x > 99.99 :
        label = '100及以上'
    return label
# 你可以通過調(diào)用 transfor_num(x) 函數(shù)并將所需的值傳遞給 x 參數(shù)來使用該函數(shù)。例如：
label = transfor_num(5.67)
print(label)

輸出結(jié)果應(yīng)該是 '0.01-0.04'，因?yàn)?5.67 在指定的區(qū)間范圍內(nèi)。

方法二：使用 pd.cut() 方法

第二種方法是使用 pandas 庫的 cut() 方法將輸入值 x 映射到不同的標(biāo)簽中，并返回標(biāo)簽。這種方法更加簡潔和易于使用，同時(shí)也可以通過調(diào)整 bins 參數(shù)來靈活地控制分段的方式和結(jié)果。

下面是一個(gè)示例函數(shù) transfor_num1 的實(shí)現(xiàn)代碼：

def transfor_num1(x):
    bins = [-1,0, 0.01, 0.04, 0.09, 0.49, 0.99, 4.99, 9.99, 19.99, 49.99, 99.99, float('inf')]
    labels = [ '無交易','0-0.01', '0.01-0.04', '0.04-0.09', '0.09-0.49', '0.49-0.99', '0.99-4.99', '4.99-9.99', '9.99-19.99', '19.99-49.99', '49.99-99.99', '100及以上']
    return pd.cut(x, bins=bins, labels=labels)

你可以通過調(diào)用 transfor_num1(x) 函數(shù)并將所需的值傳遞給 x 參數(shù)來使用該函數(shù)。例如：

import pandas as pd

data = {'transaction': [0, 0.005, 0.0125, 0.044, 0.067, 0.55, 2.99, 8.75, 15.6, 30.25, 80.5, 150]}
df = pd.DataFrame(data)

df['tran_amount_label'] = transfor_num1(df['transaction'])

print(df)

# 輸出結(jié)果將會是如下數(shù)據(jù)框的形式：
    transaction  tran_amount_label
0       0.00000              無交易
1       0.00500            0-0.01
2       0.01250        0.01-0.04
3       0.04400        0.01-0.04
4       0.06700        0.04-0.09
5       0.55000        0.49-0.99
6       2.99000        0.99-4.99
7       8.75000        4.99-9.99
8      15.60000      9.99-19.99
9      30.25000     19.99-49.99
10     80.50000    49.99-99.99
11    150.00000           100及以上

其中 tran_amount_label 是新添加的一列，它顯示了每個(gè)交易額所屬的標(biāo)簽和類別。

兩種方法各有優(yōu)缺點(diǎn)。使用條件語句需要手動設(shè)置閾值和對應(yīng)的標(biāo)簽，比較繁瑣；而使用 pd.cut() 方法則可以自動劃分區(qū)間，但其不太靈活。因此，在具體使用時(shí)，需要根據(jù)實(shí)際情況進(jìn)行選擇。

希望本文能夠幫助你更好地理解離散化的概念和實(shí)現(xiàn)方法，更多關(guān)于Python數(shù)據(jù)離散化的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: