【Python常用函数】一文让你彻底掌握Python中的cut函数

任何事情都是由量变到质变的过程，学习Python也不例外。只有把一个语言中的常用函数了如指掌了，才能在处理问题的过程中得心应手，快速地找到最优方案。本文和你一起来探索Python中的cut函数，让你以最短的时间明白这个函数的原理。也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。

一、cut函数定义

cut函数使用需先调用pandas库，它主要用于将数组元素分成不同的箱。

其基本调用语法如下：

pd.cut(x, bins, right: bool = True, labels=None, retbins: bool = False, precision: int = 3, include_lowest: bool = False, duplicates: str = 'raise')

x：待切割的一维数组。

bins：定义切割数组的方式，如果为数值，表示把数组均分切分为几段。如果为列表，表示切割时各段的间隔点。

right：表示切割后区间的右边是否闭合，默认值为True。

labels：切割后的区间是否打标签。

在对客户管理数据进行建模分析时，需要对原始数据进行预处理，包括运用cut函数对某些列进行平滑处理。

首先，加载库并导入数据。

import os 
import random
import numpy as np
import pandas as pd 

#2.数据读取
os.chdir(r'F:\公众号\4.决策树和随机森林')
ori_date = pd.read_csv("customer.csv")

接着，看下原始数据中客户拥有银行卡片的分布情况，代码如下：

ori_date['num_cars_owned'].value_counts()

得到结果：

2    3103
3    2913
1    2266
4    1412
0     587
Name: num_cars_owned, dtype: int64

从结果知，客户拥有的银行卡数目从0到4。

现在我们想把客户进行分类，假设我们想把客户分成3类，并统计三类的分布，代码如下：

pd.cut(ori_date['num_cars_owned'], 3).value_counts()

此时x为ori_date[‘num_cars_owned’]，bins=3。

得到结果：

(2.667, 4.0]       4325
(1.333, 2.667]     3103
(-0.004, 1.333]    2853
Name: num_cars_owned, dtype: int64

可以发现0到1分成了一组，2单独分成了1组，3到4分成了1组。这种分组的原理是尽可能等分每组的数目。

除了可以指定分组的数目，也可以设置分组的切割点。比如首先区分是否有银行卡，在有银行卡的客户中区分银行卡的数目是否超过2，代码如下：

pd.cut(ori_date['num_cars_owned'], [-1, 0, 2, 4]).value_counts()

得到结果：

(0, 2]     5369
(2, 4]     4325
(-1, 0]     587
Name: num_cars_owned, dtype: int64

可以发现0分到了一组，1和2分到了一组，3和4分到了一组。

测试一下right函数为False的结果，代码如下：

pd.cut(ori_date['num_cars_owned'], [-1, 0, 2, 4], right='False').value_counts()

得到结果：

(0, 2]     5369
(2, 4]     4325
(-1, 0]     587
Name: num_cars_owned, dtype: int64

从结果知，right为False的结果和right为True的结果一致，右区间依然闭合。

最后，给分组后的箱加标签，代码如下：

pd.cut(ori_date['num_cars_owned'], [-1, 0, 2, 4], labels=['group1', 'group2', 'group3']).value_counts()

得到结果：

group2    5369
group3    4325
group1     587
Name: num_cars_owned, dtype: int64

从结果知，labels参数赋值只是把原来的分组用标签替换了。

至此，Python中的cut函数已讲解完毕，如想了解更多Python中的函数，可以翻看公众号中“学习Python”模块相关文章。