简介

有时候便于分析数据，我们需要将连续型的数据划分开，也就是离散化。比如：统计人员的年龄分布，需要划分几个档次等，然后就可以做柱状图或者直方图。可以通过pandas的cut()和qcut()函数实现，接下来一一介绍。

cut()函数

该函数的使用方法如下：

在上面的例子中，我们有一些人的年龄，需要将他们划分到各自的年龄段bin当中。在这里有四个年龄段(0, 18] ,(18, 30] ,(30, 50] ,(50, 100]，返回的结果是一个属于各个区间的Categorical对象。使用categories属性可以获的区间形式：

需要注意的一点，默认的区间是左开右闭的，可以通过right=False修改：

我们还可以设置区间的名称，使用labels参数指定一个名称列表：

labels参数如果设置成False，就会返回一个表示区间的整数索引：

整数索引0表示[0, 18)，以此类推。

我们也可以不用传入划分的区间形式，可以直接指定数量：

在这里，我们指定划分4个区间，程序会自动计算总长度然后平均。通过retbins=True能够获得划分的数组。

qcut()函数

该函数跟cut()类似，只是它是根据样本的分位数对数据划分，也就是说保证在每个区间中含有的数量相同。比如：

可以看出，该函数根据数据长度，自动划分了4个区域，每个区域的数据数量是相同的：

我们也可以指定样本分位数：

总结

本文讲了两个将连续数据离散化的函数cut()和qcut()，前者根据样本间距划分，样本数量可以不同；后者根据样本分位数划分，每个间距的样本数一样多。在后面的聚合和分组运算中，我们还会讲到这两个函数的应用。