Функция qcut

Функция qcut применяется для дискретизации непрерывных данных с разбиением на интервалы равной частоты (квантили). В отличие от функции cut, где интервалы имеют равную ширину, qcut формирует интервалы таким образом, чтобы в каждый попадало примерно одинаковое количество наблюдений. Первым параметром передаётся массив или столбец Series, вторым параметром указывается количество интервалов (целое число) или список квантилей (от 0 до 1). Результатом работы является категориальный объект или Series с метками интервалов.

Синтаксис

pd.qcut(x, q, labels=None, retbins=False, duplicates='raise')

Основные параметры функции:

x - одномерный массив или Series для разбиения;
q - количество интервалов (целое число) или список квантилей (значения от 0 до 1);
labels - метки для интервалов (массив или False);
retbins - если True, возвращает также границы интервалов;
duplicates - управление обработкой дублирующихся границ.

Пример

Разобьём числовые данные на три интервала равной частоты:

import pandas as pd

ser = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
res = pd.qcut(ser, q=3)
print(res)

Результат выполнения кода:

0	(0.999, 3.667]
1	(0.999, 3.667]
2	(0.999, 3.667]
3	  (3.667, 6.333]
4	  (3.667, 6.333]
5	  (3.667, 6.333]
6		(6.333, 9.0]
7		(6.333, 9.0]
8		(6.333, 9.0]
dtype: category
Categories (3, interval[float64, right]): [(0.999, 3.667] < (3.667, 6.333] < (6.333, 9.0]]

Пример

Получим метки категорий вместо интервалов. Для этого передадим список названий в параметр labels:

import pandas as pd

ser = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
res = pd.qcut(ser, q=3, labels=['low', 'middle', 'high'])
print(res)

Результат выполнения кода:

0	   low
1	   low
2	   low
3	middle
4	middle
5	middle
6	  high
7	  high
8	  high
dtype: category
Categories (3, object): ['low' < 'middle' < 'high']

Пример

Разобьём данные по заданным квантилям. Укажем границы в виде списка значений от 0 до 1:

import pandas as pd

ser = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
res = pd.qcut(ser, q=[0, 0.25, 0.5, 0.75, 1.0])
print(res)

Результат выполнения кода:

0	(0.999, 3.0]
1	(0.999, 3.0]
2	  (3.0, 5.0]
3	  (3.0, 5.0]
4	  (5.0, 7.0]
5	  (5.0, 7.0]
6	  (7.0, 9.0]
7	  (7.0, 9.0]
8	  (7.0, 9.0]
dtype: category
Categories (4, interval[float64, right]): [(0.999, 3.0] < (3.0, 5.0] < (5.0, 7.0] < (7.0, 9.0]]

Пример

Вернём не только категории, но и границы интервалов. Для этого установим retbins в значение True:

import pandas as pd

ser = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9])
categories, bins = pd.qcut(ser, q=3, retbins=True)
print("Categories:")
print(categories)
print("\nBin edges:")
print(bins)

Результат выполнения кода:

Categories:
0	(0.999, 3.667]
1	(0.999, 3.667]
2	(0.999, 3.667]
3	  (3.667, 6.333]
4	  (3.667, 6.333]
5	  (3.667, 6.333]
6		(6.333, 9.0]
7		(6.333, 9.0]
8		(6.333, 9.0]
dtype: category
Categories (3, interval[float64, right]): [(0.999, 3.667] < (3.667, 6.333] < (6.333, 9.0]]

Bin edges:
[0.999 3.667 6.333 9.   ]

Пример

Применим qcut к столбцу таблицы DataFrame. Создадим новый столбец с категориями:

import pandas as pd

df = pd.DataFrame({
	'a': [1, 2, 3, 4, 5],
	'b': [10, 20, 30, 40, 50]
})
df['a_cat'] = pd.qcut(df['a'], q=2, labels=['low', 'high'])
print(df)

Результат выполнения кода:

   a   b a_cat
0  1  10   low
1  2  20   low
2  3  30   low
3  4  40  high
4  5  50  high

Смотрите также

функция cut,
которая разбивает данные на интервалы равной ширины
функция pivot_table,
которая создаёт сводную таблицу с группировкой
функция crosstab,
которая строит таблицу сопряжённости
функция get_dummies,
которая создаёт фиктивные переменные для категорий