Pandas.cut函数用法及源码

Python数据分析博文汇总

• Pandas重复值处理函数drop_duplicates()
• Pandas数据库缺失值处理函数dropna
• Pandas中slice函数字段抽取
• python数据分析-DataFrame数据框基本知识
• Pandas数据库数据抽取
• Numpy.random.randint()函数用法及源码
• Pandas.concat()函数用法及源码
• Pandas数据框列合并详解
• Pandas.merge()函数用法及源码
• Pandas之数据框框运算
• Pandas之数据标准化
• Pandas.cut函数用法及源码
• python数据框空格值处理
• Pandas.split()函数用法及源码

数据分组：根据数据分析对象的特征，按照一定的数值指标，把数据分析对象划分为不同的区间部分来进行研究，以揭示其内在的联系和规律性。

函数用法：cut(series, bins, right=True, labels=NULL), right=True表示分组右边闭合，right=False表示分组左边闭合，

labels表示分组的自定义标签。

import pandas;
from pandas import read_csv;
df = read_csv("E:\\pythonlearning\\datacode\\firstpart\\4\\4.15\\data.csv", sep='|');
bins = [min(df.cost)-1, 20, 40, 60, 80, 100, max(df.cost)+1];
labels = ['20以下', '20到40', '40到60', '60到80', '80到100', '100以上'];
pandas.cut(df.cost, bins)#默认右边闭合
df1=pandas.cut(df.cost, bins, right=False)#左边闭合
df1=pandas.cut(df.cost, bins, right=False, labels=labels)
df['New']=df1

运行前三行得：

运行四、五、六行得：

运行四、五、七行得：

运行第八行得：

源代码：https://download.csdn.net/download/w_weiying/10427108