pandas离散化详解：pd.cut与pd.qcut参数及用法

洛溪

发布时间：2026-10-13 | 2人浏览过

原创

本文详解pandas中数据离散化的两个核心函数pd.cut和pd.qcut。pd.cut用于基于固定边界或等宽区间进行分箱，支持自定义标签、精度及左右开闭设置；pd.qcut则基于样本分位数进行非均匀分箱，适用于数据分布不均的场景。文章通过具体代码示例展示了参数如bins、q、labels、retbins、precision和include_lowest的实际应用，帮助开发者掌握数值数据转换为分类数据的方法。

pandas离散化函数概述

在pandas库中，实现数据离散化（即将连续数值转换为分类区间）主要依赖两个函数：pd.cut和pd.qcut。


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

pd.cut函数参数详解

x参数代表待分箱的输入数组，该数组必须是一维的。

bins参数可以是整数或标量序列，用于定义分箱的边界或数量。

当bins参数为整数时，它指定了在x数据范围内的等宽单元数量。此时，pandas会自动将x的范围向两侧各延伸0.1%，以确保x的最小值和最大值被包含在分箱区间内。

当bins参数为序列时，它定义了允许非均匀宽度的具体分箱边缘。在这种情况下，pandas不会对x的范围进行扩展。

right参数为布尔值，可选，用于决定区间的开闭性质。若right为True（默认值），则区间如[1,2,3,4]表示为左开右闭区间，即(1,2]、(2,3]、(3,4]。

labels参数可以是数组或布尔值，默认值为None，用于指定生成区间的标签。标签数组的长度必须与生成的区间数量一致。若设置为False，则仅返回分箱的整数指示符（codes）。

retbins参数为布尔值，可选，用于控制是否返回分箱边界。当bins以标量形式给出时，返回边界可能更为有用。

precision参数为整数，用于指定存储和显示容器标签的小数精度，默认保留三位小数。

include_lowest参数为布尔值，用于指定第一个区间是否包含左边界值。


import numpy as np
import pandas as pd
# 使用pandas的cut函数划分年龄组
ages = [20,22,25,27,21,23,37,31,61,45,32]
bins = [18,25,35,60,100]
cats = pd.cut(ages,bins)
print(cats) # 分类时，当数据不在区间中将变为nan
# 统计落在各个区间的值数量
print(pd.value_counts(cats))
# 使用codes为年龄数据进行标号
print(cats.codes)
# 设置自己想要的面元名称
group_names = ['Youth','YoungAdult','MiddleAged','Senior']
print(pd.cut(ages, bins, labels=group_names))
# 设置区间数学符号为左闭右开
print(pd.cut(ages, bins, right=False))
# 向cut传入面元的数量，则会根据数据的最小值和最大值计算等长面元
print(pd.cut(ages, 4, precision=2)) # precision=2表示设置的精度

pd.qcut函数参数详解

另一个常用的离散化函数是pd.qcut，它与pd.cut类似，但侧重于根据样本分位数对数据进行面元划分。

pd.qcut的主要应用场景是根据数据的分位数分布进行非均匀分箱，适用于数据分布不均匀的情况。


pandas.qcut(x, q, labels=None, retbins=False, precision=3)

x参数在pd.qcut中同样接收ndarray或Series类型的数据。

q参数可以是整数或分位数数组。例如，指定整数10表示十分位，指定4表示四分位。也可以传入分位数数组，如[0, 0.25, 0.5, 0.75, 1.]来定义四分位数边界。

labels参数与pd.cut相同，默认为None，用于指定生成区间的标签。标签长度必须与区间数一致。若设为False，则只返回分箱的整数指示符。

retbins参数为布尔值，可选，用于控制是否返回分箱边界。当bins作为标量给出时，返回边界可能更有用。

precision参数为整数，用于指定存储和显示容器标签的精度。


import numpy as np
import pandas as pd

# qcut可以根据样本分位数对数据进行面元划分
# data = np.random.randn(20) # 正态分布
data = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]
cats = pd.qcut(data, 4) # 按四分位数进行切割
print(cats)
print(pd.value_counts(cats))
print("-------------------------------------------------")
# 通过指定分位数（0到1之间的数值，包含端点）进行面元划分
cats_2 = pd.qcut(data, [0, 0.5, 0.8, 0.9, 1])
print(cats_2)
print(pd.value_counts(cats_2))

以上关于pandas离散化和面元划分的详解内容，旨在为读者提供清晰的参考。希望这些信息能帮助大家更好地处理数据分箱任务，也欢迎大家继续支持本站获取更多技术分享。