Python学习——数据排序及分箱pd.cut\pd.qcut

1 排序

dataFrame进行排序时，可以按照索引排序，也可以按照值进行排序。

1.1 按照索引排序 df.sort_index

df.sort_index()  #按照索引进行排序，默认升序排序，axis决定按照行索引还是列索引
ascending=False  #降序
df.reset_index()  #重置索引，把原来的索引列转化成一个普通列，行索引用位置信息做索引名

二维列表排序

1.2 按照值进行排序 df.sort_values

df.sort_values(by = '列名') #按照某一列进行排序
df.sort_values(by =[ '列名','列名'],ascending=[False,True])

1.3 数值型数据快速排序 df.nlargest

df.列名.nlargest() #默认取前五个，先排序，取前五名
df.nlargest(5,'列名')
df.列名.nsmallest() #默认取后五个，先排序，取后五名
df.nsmallest(5,'列名')

2 分箱（离散化）

2.1 pd.cut

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)
 
用途：返回 x 中的每一个数据 在bins 中对应 的范围
参数：
# x ： 必须是一维数据
# bins： 不同面元（不同范围）类型:整数，序列如数组, 和IntervalIndex
# right： 最后一个bins是否包含最右边的数据，默认为True
# precision：精度 默认保留三位小数
# retbins： 即return bins 是否返回每一个bins的范围 默认为False

2.1.1 均匀切分,等距分箱

例：按照总分列进行分组，pd.cut(df.总分,n) 是把这一列数基于数值区间的大小分为n组，即(max-min)/n，然后统计每个数在哪一个区间，这样至于每个区间内有几个数就不一定了。

pd.cut(df.总分,3,labels=["不及格","及格","优秀"])

2.1.2 指定切分点切分

ser0=pd.cut(df.score,[300,400,600,800],labels=["不及格","及格","优秀"])
ser0

2.2 pd.qcut

等深分箱：每个离散化的类别中样本个数相似

 pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplicates=’raise’)
 
用途：基于样本分位数划分数据。即把一组数字按大小区间进行分区
参数：
# x:是数据 1d ndarray或Series
# q：整数或分位数数组；定义区间分割方法

例：按照总分列进行分组，pd.qcut(a,n) 就是把这一列数的个数等分为n组，然后根据每组数据的大小值确定分组区间。

pd.qcut(x, q)

参考链接：https://blog.csdn.net/tcy23456/article/details/84797418