Python Pandas使用pd.qcut创建新的Bin/Bucket变量

Question

如何在python中使用pd.qut创建新的Bin/Bucket变量？

这对于有经验的用户来说可能看起来很简单,但我对此并不十分清楚,在堆栈溢出/谷歌搜索时出乎意料地不直观.一些彻底的搜索产生了这个(qcut作为新列的分配),但它没有完全回答我的问题,因为它没有采取最后一步并将所有内容放入箱(即1,2,......).

Answer 1

在Pandas 0.15.0或更新版本中,pd.qcut如果输入是一个系列(就像在你的情况下那样)或者如果输入,将返回一个系列而不是一个分类labels=False.如果设置labels=False,则qcut返回一个带有二进制位的整数指示符的系列作为值.

因此,为了使您的代码能够面向未来,您可以使用

data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)

或者,传递一个NumPy数组,pd.qcut以便获得一个Categorical作为返回值.请注意,labels不推荐使用 Categorical属性.codes改为使用:

data3['bins_spd'] = pd.qcut(data3['spd_pct'].values, 5).codes

Answer 2

编辑：以下答案仅对小于0.15.0的熊猫有效。如果您运行的是Pandas 15或更高版本，请参阅：

data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)

感谢@unutbu指出这一点。:)

假设您有一些要分类的数据，在我的情况下，选项传播了，并且您想使用与每个观察值相对应的存储桶创建一个新变量。上面提到的链接可以通过以下方法实现：

print pd.qcut(data3['spd_pct'], 40)

(0.087, 0.146]
(0.0548, 0.087]
(0.146, 0.5]
(0.146, 0.5]
(0.087, 0.146]
(0.0548, 0.087]
(0.5, 2]

这将为您提供与每个观测值相对应的bin端点。但是，如果您希望为每个观测值使用相应的箱号，则可以执行以下操作：

print pd.qcut(data3['spd_pct'],5).labels

[2 1 3 ..., 0 1 4] 

如果只想使用bin编号创建一个新变量，将所有内容放在一起，就足够了：

data3['bins_spd']=pd.qcut(data3['spd_pct'],5).labels

print data3.head()

   secid      date    symbol  symbol_flag     exdate   last_date cp_flag  0   5005  1/2/1997  099F2.37            0  1/18/1997         NaN       P   
1   5005  1/2/1997  09B0B.1B            0  2/22/1997   12/3/1996       P   
2   5005  1/2/1997  09B7C.2F            0  2/22/1997  12/11/1996       P   
3   5005  1/2/1997  09EE6.6E            0  1/18/1997  12/27/1996       C   
4   5005  1/2/1997  09F2F.CE            0  8/16/1997         NaN       P   

   strike_price  best_bid  best_offer     ...      close  volume_y    return  0          7500     2.875      3.2500     ...        4.5     99200  0.074627   
1         10000     5.375      5.7500     ...        4.5     99200  0.074627   
2          5000     0.625      0.8750     ...        4.5     99200  0.074627   
3          5000     0.125      0.1875     ...        4.5     99200  0.074627   
4          7500     3.000      3.3750     ...        4.5     99200  0.074627   

   cfadj_y  open  cfret  shrout      mid   spd_pct  bins_spd  
0        1   4.5      1   57735  3.06250  0.122449         2  
1        1   4.5      1   57735  5.56250  0.067416         1  
2        1   4.5      1   57735  0.75000  0.333333         3  
3        1   4.5      1   57735  0.15625  0.400000         3  
4        1   4.5      1   57735  3.18750  0.117647         2  

[5 rows x 35 columns]

希望这对其他人有帮助。至少现在应该更容易搜索。:)