pandas.qcut

pandas.qcut(x, q, labels=None, retbins=False, precision=3) [source]

Функция дискретизации на основе квантилей. Дискретизирует переменную на равные по размеру корзины на основе ранга или на основе выборочных квантилей. Например, 1000 значений для 10 квантилей приведет к объекту Categorical, указывающему принадлежность к квантилю для каждой точки данных.

Параметры:

x : массив ndarray или Series q : целое число или массив квантилей Количество квантилей. 10 для десятилевых квантилей, 4 для квартилей и т. д. В качестве альтернативы, массив квантилей, например, [0, 0.25, 0.5, 0.75, 1.] для квартилей labels : массив или булево значение, по умолчанию None Используется в качестве меток для полученных интервалов. Должен иметь такую же длину, как и полученные интервалы. Если False, возвращаются только целочисленные индикаторы интервалов. retbins : bool, необязательно Возвращать интервалы или нет. Может быть полезно, если bins задано как скаляр. precision : целое число Точность, с которой следует хранить и отображать метки интервалов

Возвращает:

out : Categorical или Series или массив целых чисел, если labels равно False Тип возвращаемого значения (Categorical или Series) зависит от входных данных: Series типа category, если вход — Series, в противном случае — Categorical. Интервалы представлены в виде категорий, когда возвращаются категориальные данные. bins : массив ndarray с плавающей запятой Возвращается только если retbins равно True.

Примечания

Значения вне границ будут NA в результирующем объекте Categorical

Примеры

>>> pd.qcut(range(5), 4)
[[0, 1], [0, 1], (1, 2], (2, 3], (3, 4]]
Categories (4, object): [[0, 1] < (1, 2] < (2, 3] < (3, 4]]
>>> pd.qcut(range(5), 3, labels=["good","medium","bad"])
[good, good, medium, bad, bad]
Categories (3, object): [good < medium < bad]
>>> pd.qcut(range(5), 4, labels=False)
array([0, 0, 1, 2, 3], dtype=int64)