Python中pd.cut()与pd.qcut()数据分箱详解

Theo

发布时间：2026-10-15 | 3人浏览过

原创

本文详细介绍Python中pandas库的pd.cut()和pd.qcut()函数在数据分箱中的应用。pd.cut用于基于指定区间的离散化，支持自定义边界和标签；pd.qcut则根据分位数生成等频箱。文章通过代码示例演示了区间开闭控制、自定义标签及精度设置等关键参数，帮助开发者掌握数据预处理中的分箱技巧。

pd.cut()函数能够实现类似成绩等级统计的功能，具体实现方式见代码示例。

假设有一组学生成绩数据，需要将其划分为不及格（0-59分）、及格（60-70分）、良（71-85分）以及优（86-100分）四个等级。此时可以使用cut()函数进行处理。

import numpy as np
import pandas as pd

# 我们先给 scores传入30个从0到100随机的数
scores = np.random.uniform(0,100,size=30)

# 然后使用 np.round()函数控制数据精度
scores = np.round(scores,1)

# 指定分箱的区间
grades = [0,59,70,85,100]

cuts = pd.cut(scores,grades)
print('\nscores:')
print(scores)
print('\ncuts:')
print(cuts)
# 我们还可以计算出每个箱子中有多少个数据
print('\ncats.value_counts:')
print(pd.value_counts(cuts))

======output:======

scores:
[ 6.  50.8 80.2 22.1 60.1 75.1 30.8 50.8 81.6 17.4 13.4 24.3 67.3 84.4
 63.4 21.3 17.2  3.7 40.1 12.4 15.7 23.1 67.4 94.8 72.6 12.8 81.  82.
 70.2 54.1]

cuts:
[(0, 59], (0, 59], (70, 85], (0, 59], (59, 70], ..., (0, 59], (70, 85], (70, 85], (70, 85], (0, 59]]
Length: 30
Categories (4, interval[int64]): [(0, 59] < (59, 70] < (70, 85] < (85, 100]]

cuts.value_counts:
(0, 59]      17
(70, 85]      8
(59, 70]      4
(85, 100]     1
dtype: int64

默认情况下，cut()生成的区间为左开右闭形式。若需调整区间的封闭性，可通过传递right=False参数来改变哪一侧为闭区间。

代码示例：

cuts = pd.cut(scores,grades,right=False)

此外，还可以向labels参数传递列表或数组，以指定自定义的箱名称。

代码示例：

group_names = ['不及格','及格','良','优秀']
cuts = pd.cut(scores,grades,labels=group_names)

当无需手动划分具体区间，而是希望根据数据的最大值和最小值自动计算等宽区间时，可采用以下方法。

代码示例：

# 将成绩均匀的分在四个箱子中，precision=2的选项将精度控制在两位
cuts = pd.cut(scores,4,precision=2)

2.qcut()函数用于生成指定数量的箱子，并确保每个箱子中包含相同数量的数据点。

代码示例：

import numpy as np
import pandas as pd

# 正态分布
data = np.random.randn(100)

# 分四个箱子
cuts = pd.qcut(data,4)

print('\ncuts:')
print(cuts)
print('\ncuts.value_counts:')
print(pd.value_counts(cuts))


======output:======

cuts:
[(-0.745, -0.0723], (0.889, 2.834], (-0.745, -0.0723], (0.889, 2.834], (0.889, 2.834], ..., (-0.745, -0.0723], (-0.0723, 0.889], (-3.1599999999999997, -0.745], (-0.745, -0.0723], (-0.0723, 0.889]]
Length: 100
Categories (4, interval[float64]): [(-3.1599999999999997, -0.745] < (-0.745, -0.0723] < (-0.0723, 0.889] <
                                    (0.889, 2.834]]

cuts.value_counts:
(0.889, 2.834]                   25
(-0.0723, 0.889]                 25
(-0.745, -0.0723]                25
(-3.1599999999999997, -0.745]    25
dtype: int64

以上就是关于Python利用pd.cut()和pd.qcut()进行数据分箱操作的详细介绍。如需了解更多相关Python pd.cut()和pd.qcut()分箱操作内容，请搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持！