如何解决基于python等频分箱qcut的问题

小编给大家分享一下如何解决基于python等频分箱qcut的问题，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！

在python 较新的版本中，pandas.qcut()这个函数中是有duplicates这个参数的，它能解决在等频分箱中遇到的重复值过多引起报错的问题；

在比较旧版本的python中，提供一下解决办法：

importpandasaspd

defpct_rank_qcut(series,n):
'''
series：要分箱的列
n：箱子数
'''
edages=pd.series([i/nforiinrange(n)]#转换成百分比
func=lambdax:(edages>=x).argmax()#函数：(edages>=x)返回fasle/true列表中第一次出现true的索引值
returnseries.rank(pct=1).astype(float).apply(func)#series.rank(pct=1)每个值对应的百分位数，最终返回对应的组数;rank()函数传入的数据类型若为object，结果会有问题，因此进行了astype

补充拓展：Python数据离散化:等宽及等频

在处理数据时，我们往往需要将连续性变量进行离散化，最常用的方式便是等宽离散化，等频离散化，在此处我们讨论离散化的概念，只给出在python中的实现以供参考

1. 等宽离散化

使用pandas中的cut()函数进行划分

importnumpyasnp
importpandasaspd

#Discretization:EqualWidth#
#Datas:Sample*Feature
defDiscretization_EqualWidth(K,Datas,FeatureNumber):
DisDatas=np.zeros_like(Datas)
foriinrange(FeatureNumber):
DisOneFeature=pd.cut(Datas[:,i],K,labels=range(1,K+1))
DisDatas[:,i]=DisOneFeature
returnDisDatas

2. 等频离散化

pandas中有qcut()可以使用，但是边界易出现重复值，如果为了删除重复值设置 duplicates=‘drop'，则易出现于分片个数少于指定个数的问题，因此在此处不使用qcut()

importnumpyasnp
importpandasaspd

#Discretization:EqualFrequency#
#vector:singlefeature
defRank_qcut(vector,K):
quantile=np.array([float(i)/Kforiinrange(K+1)])#Quantile:K+1values
funBounder=lambdax:(quantile>=x).argmax()
returnvector.rank(pct=True).apply(funBounder)

#Discretization:EqualFrequency#
#Datas:Sample*Feature
defDiscretization_EqualFrequency(K,Datas,FeatureNumber):
DisDatas=np.zeros_like(Datas)
w=[float(i)/Kforiinrange(K+1)]
foriinrange(FeatureNumber):
DisOneFeature=Rank_qcut(pd.Series(Datas[:,i]),K)
#print(DisOneFeature)
DisDatas[:,i]=DisOneFeature
returnDisDatas

看完了这篇文章，相信你对“如何解决基于python等频分箱qcut的问题”有了一定的了解，如果想了解更多相关知识，欢迎关注恰卡编程网行业资讯频道，感谢各位的阅读！