Làm cách nào để tạo giá trị nhóm trong python?

Binning còn được gọi là nhóm hoặc rời rạc hóa là một kỹ thuật xử lý trước dữ liệu phổ biến được sử dụng để nhóm các khoảng thời gian dữ liệu liên tục thành "thùng" hoặc "nhóm". Trong bài viết này, chúng ta sẽ thảo luận về 4 phương pháp để tạo các giá trị số bằng thư viện python Pandas

Ảnh của Pawel Czerwinski trên BaptMethods

Chúng tôi tạo dữ liệu tổng hợp sau đây cho mục đích minh họa

import pandas as pd # version 1.3.5
import numpy as npdef create_df():    df = pd.DataFrame({'score': np.random.randint(0,101,1000)})    return dfdf = create_df()df.head()

Dữ liệu bao gồm điểm học tập từ 0 đến 100 cho 1000 sinh viên. Nhiệm vụ là sắp xếp các điểm số thành các loại giá trị “A”, “B” và “C” trong đó “A” là điểm tốt nhất và “C” là điểm kém hơn

Hình ảnh của tác giả1. giữa & loc

Phương thức

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

0 của Pandas trả về một vectơ boolean chứa True bất cứ nơi nào phần tử Sê-ri tương ứng nằm giữa các giá trị biên trái và phải[1]

Thông số

• df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
  df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
  df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

  1. ranh giới bên trái

• df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
  df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
  df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

  2. ranh giới bên phải

• df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
  df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
  df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

  3. Bao gồm ranh giới nào. Các giá trị được chấp nhận là {“cả hai”, “không”, “trái”, “phải”}

Cho phép phân loại điểm của học sinh thành các lớp dựa trên các khoảng thời gian sau

• A. (80, 100]
• B. (50, 80]
• C. [0, 50]

Trong đó dấu ngoặc vuông

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

4 và dấu ngoặc tròn

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

5 cho biết giá trị ranh giới lần lượt là bao gồm và loại trừ

Chúng tôi xác định

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

6 nằm giữa các khoảng thời gian quan tâm và gán các giá trị

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

7 tương ứng cho nó. Đối với điểm “A” và “B”, chỉ bao gồm ranh giới bên phải do đó chúng tôi chuyển

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

2 cho tham số

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

3. Đối với cấp "C", cả hai ranh giới đều được bao gồm do đó chúng tôi đã chuyển

df.grade.value_counts()

0 cho tham số

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

3

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

Hình ảnh của tác giả

Đây là số học sinh trong mỗi thùng

df.grade.value_counts()

Hình ảnh của tác giả

Phương pháp này yêu cầu một dòng mã mới cho mỗi thùng do đó nó chỉ phù hợp với các trường hợp có ít thùng

2. cắt

Giá trị bin thành các khoảng rời rạc. Sử dụng cắt khi bạn cần phân đoạn và sắp xếp các giá trị dữ liệu vào các thùng. Hàm này cũng hữu ích để chuyển từ biến liên tục sang biến phân loại[2]

Các sinh viên được đánh dấu dựa trên cùng một khoảng thời gian như ví dụ trên. Đây là những thông số được sử dụng

• df.grade.value_counts()

  2. Mảng đầu vào được binned. Phải là 1 chiều

• df.grade.value_counts()

  3. Chuỗi vô hướng. Xác định các cạnh thùng cho phép chiều rộng không đồng nhất

• df.grade.value_counts()

  4. Chỉ định nhãn cho các thùng được trả lại. Phải có cùng chiều dài với các thùng kết quả

• df.grade.value_counts()

  5. (bool) Khoảng đầu tiên có nên bao hàm bên trái hay không

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

Chúng tôi tạo danh sách

df.grade.value_counts()

3 chứa các giá trị ranh giới của các thùng và danh sách

df.grade.value_counts()

4 chứa các nhãn thùng tương ứng

Hình ảnh của tác giả

Đây là số học sinh trong mỗi thùng

df.grade.value_counts()

Hình ảnh của tác giả

Kết quả giống với ví dụ đầu tiên

3. qcut

Chức năng rời rạc dựa trên lượng tử. Biến rời rạc thành các nhóm có kích thước bằng nhau dựa trên thứ hạng hoặc dựa trên lượng tử mẫu[3]

Trong các ví dụ trước, chúng tôi đã xác định khoảng cách điểm số cho từng lớp dẫn đến số lượng học sinh không đồng đều trong mỗi nhóm lớp. Trong ví dụ sau, chúng tôi cố gắng chia học sinh thành 3 nhóm lớp, mỗi nhóm có số học sinh (xấp xỉ) bằng nhau. Chúng tôi có 1000 học sinh nên mỗi thùng nên có khoảng 333 học sinh. Các học sinh được xếp hạng đầu tiên theo điểm số của họ và một phần ba học sinh trên cùng, giữa và dưới cùng được xếp vào các ô xếp hạng “A”, “B” và “C” tương ứng

Đây là các tham số đã được sử dụng trong ví dụ sau

• df.grade.value_counts()

  2. Mảng đầu vào được binned. Phải là 1 chiều

• df.grade.value_counts()

  9. Số lượng phân vị. 10 cho deciles, 4 cho tứ phân vị, v.v. Mảng lượng tử xen kẽ, e. g. [0,. 25,. 5,. 75, 1. ] cho phần tư

• df.grade.value_counts()

  4. Chỉ định nhãn cho các thùng được trả lại. Phải có cùng chiều dài với các thùng kết quả

• bins = [0, 50, 80, 100]
  labels = ['C', 'B', 'A']
  df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

  1. (bool) Có trả lại (thùng, nhãn) hay không. Có thể hữu ích nếu các thùng được đưa ra dưới dạng vô hướng

df['grade'], cut_bin = pd.qcut(df['score'], q = 3, labels = ['C', 'B', 'A'], retbins = True)
df.head()

Hình ảnh của tác giả

Vượt qua

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

1 vì

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

3 trả về ranh giới thùng

print (cut_bin)
>> [  0.  36.  68. 100.]

Các thùng có các khoảng sau

• C. [0, 36]
• B. (36, 68]
• A. (68, 100]

Chúng tôi có thể kiểm tra xem có bao nhiêu học sinh trong mỗi ngăn lớp bằng cách sử dụng

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

4. Lý tưởng nhất là mỗi thùng nên có khoảng 333 học sinh

df.grade.value_counts()

Hình ảnh của tác giả4. số lượng giá trị

Mặc dù gấu trúc

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

5 thường được sử dụng để đếm số lượng giá trị duy nhất trong một chuỗi, nhưng nó cũng có thể được sử dụng để nhóm các giá trị vào các ngăn mở một nửa bằng cách sử dụng tham số

df.grade.value_counts()

3[4]

df['score'].value_counts(bins = 3, sort = False)

Theo mặc định,

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

5 sắp xếp chuỗi trả về theo thứ tự giá trị giảm dần. Đặt

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

8 thành

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

9 để sắp xếp chuỗi theo thứ tự tăng dần của chỉ mục

Hình ảnh của tác giả

Chỉ số sê-ri đề cập đến phạm vi khoảng thời gian cho mỗi ngăn trong đó dấu ngoặc vuông

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

4 và dấu ngoặc tròn

df.loc[df['score'].between(0, 50, 'both'), 'grade'] = 'C'
df.loc[df['score'].between(50, 80, 'right'), 'grade'] = 'B'
df.loc[df['score'].between(80, 100, 'right'), 'grade'] = 'A'

5 cho biết giá trị ranh giới lần lượt là bao gồm và loại trừ. Các giá trị của chuỗi được trả về cho biết có bao nhiêu bản ghi trong mỗi ngăn

Không giống như ví dụ về

df.grade.value_counts()

2, số lượng bản ghi trong mỗi ngăn không nhất thiết phải giống nhau (xấp xỉ).

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

5 không chỉ định số lượng hồ sơ bằng nhau vào mỗi ngăn điểm, thay vào đó nó chia phạm vi điểm thành 3 phần bằng nhau dựa trên điểm tối đa và tối thiểu. Điểm số có giá trị tối thiểu là 0 và giá trị tối đa là 100, do đó mỗi phần trong số 3 phần đều xấp xỉ trong phạm vi 33. 33. Điều này cũng giải thích tại sao ranh giới của các thùng là bội số của 33. 33 ngoại trừ ranh giới thấp nhất bên trái

Chúng tôi cũng có thể xác định ranh giới bin bằng cách chuyển vào danh sách các ranh giới

df['score'].value_counts(bins = [0,50,80,100], sort = False)

Hình ảnh của tác giả

Điều này cho chúng ta kết quả giống như ví dụ 1 và 2

Bản tóm tắt

Trong bài viết này, chúng tôi đã kiểm tra cách phân loại các giá trị liên tục bằng cách sử dụng

df.grade.value_counts()

4,

df.grade.value_counts()

5,

df.grade.value_counts()

2 và

bins = [0, 50, 80, 100]
labels = ['C', 'B', 'A']
df['grade'] = pd.cut(x = df['score'], bins = bins, labels = labels, include_lowest = True)

5. Bạn có thể tìm thấy sổ tay Colab cho ví dụ trên tại đây

Làm cách nào để chuyển dữ liệu trong gấu trúc?

Xô trong Python là gì?

Làm cách nào để tạo thùng trong Python?

Xô trong dữ liệu là gì?