pandas.cut+groupby函数说明

分布分析（cut+groupby）

先用cut函数确定好分层，再用groupby函数实现分布分析。

根据分析目的，将数据（定量数据）进行等距或者不等距的分组，
进行研究各组分布规律的一种分析方法。

1，功能:将数据进行离散化

pandas.cut( x , bins , right=True , labels=None , retbins=False , precision=3 , include_lowest=False,duplicates='raise')

    参数说明: 

•      x    : 进行划分的一维数组；
•      bins :如果是整数---将x划分为多少个等间距的区间，如代码一；
•      bins :如果是序列，则将x划分在指定的序列中，若不在该序列中，则是NaN ，如代码二；
•      right : 是否包含右端点；
•      labels : 是否用标记来代替返回的bins，如代码三；
•      retbins: 是否返回间距bins，如果retbins = False 则返回x中每个值对应的bin的列表，否者则返回x中每个值对应的bin的列表和对应的bins；
•      precision: 精精度；
•      include_lowest:是否包含左端点；   

#代码一：
import numpy as np
import pandas as pd
pd.cut(np.array([0.2,1.4,2.5,6.2,9.7,2.1]),3,retbins=True)

#输出结果: 
([(0.19, 3.367], (0.19, 3.367], (0.19, 3.367], (3.367, 6.533], (6.533, 9.7], (0.19, 3.367]]
 Categories (3, interval[float64]): [(0.19, 3.367] < (3.367, 6.533] < (6.533, 9.7]],
 array([0.1905    , 3.36666667, 6.53333333, 9.7       ]))

#代码二
pd.cut(np.array([0.2,1.4,2.5,6.2,9.7,2.1]),[1,2,3],retbins=True)

#输出结果: 
([NaN, (1, 2], (2, 3], NaN, NaN, (2, 3]]
 Categories (2, interval[int64]): [(1, 2] < (2, 3]], array([1, 2, 3]))

#代码三：
pd.cut([1,2,3,4],4,labels=['one','two','three','four'])

#输出结果：
[one, two, three, four]
Categories (4, object): [one < two < three < four]

#cut()+groupby()组合应用实例参考代码：
import numpy
import pandas
 
data = pandas.read_csv(
    'C:/Users/ZL/Desktop/Python/5.3/data.csv'
    
)
 
aggResult = data.groupby(
    by=['年龄']
)['年龄'].agg({
    '人数': numpy.size
})
 
data.年龄.hist()
 
bins = [
    min(data.年龄)-1, 20, 30, 40, max(data.年龄)+1
]
labels = [
    '20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上'
]
 
data['年龄分层'] = pandas.cut(
    data.年龄, 
    bins, 
    labels=labels
)
 
aggResult = data.groupby(
    by=['年龄分层']
)['年龄'].agg({
    '人数': numpy.size
})
 
pAggResult = round(
    aggResult/aggResult.sum(), 
    2
)*100
pAggResult['人数'].map('{:,.2f}%'.format)