十年网站开发经验 + 多家企业客户 + 靠谱的建站团队
量身定制 + 运营维护+专业推广+无忧售后,网站问题一站解决
本篇内容主要讲解“Python分析包中的qcut怎么用”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“Python分析包中的qcut怎么用”吧!
成都创新互联基于分布式IDC数据中心构建的平台为众多户提供资阳服务器托管 四川大带宽租用 成都机柜租用 成都服务器租用。
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 3
dtype: 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。
到此,相信大家对“Python分析包中的qcut怎么用”有了更深的了解,不妨来实际操作一番吧!这里是创新互联网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!