数据分箱技术之qcut

全文721字，阅读时间2分钟，点击蓝色字体关注公众号

先说三个事

第一，最近一次送书活动，中奖的五位同学名单，昨天已经提交到出版社，如有问题微信联系我。还是要感谢俊红兄的赞助，现在想了解购买此书的同学请参考：赠书 | 这次送排名第一的书！

第二，最近在找工作的同学，可以参考总结的号内完整推文：认真就能打动人：273篇干货资料汇总，文章富有体系，几乎都是原创。

第三，希望关注我的多给好看，让更多的同学加入进来，形成一个更大的技术社区，让技术氛围更加浓厚些。接下来，推送的每篇文章力求言简意赅，力求简短，以便使大家在最短时间内了解文章大概。瞬间，有种获得感和成就感。

步入正题

今天说说Python分析包中 qcut 这个API. 它的作用是根据值的频率来决定箱子的间隔，尽可能地满足样本在每个箱子的数量相等。

先看例子：

ages = np.array([5,10,36,12,77,89,100,30,1]) #年龄数据pd.qcut(ages, 3, labels=['青','中','老']).value_counts() #结果：青 3中 3老 3dtype: int64

可以看到，每个区间的样本数量都为3. 不过，qcut得到的三个区间长度就不一定相等了。这是和 cut 的最大区别，cut 切分的是等长区间。

# 这是qcut后到得到的三个区间：
Categories(3, interval[float64]): [(0.999, 11.333] < (11.333, 49.667] < (49.667, 100.0]]

很明显，区间长度是不等的。

qcut的函数原型与cut差不多，参考cut: 数据分箱技术在Python中实现-cut

系列第8篇原创。有帮助，点好看。