pandas.qcut

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

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

Параметры:

x : 1d ndarray or Series q : целое число или массив квантилей Число квантилей. 10 для десятилетий, 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 логическое значение, по умолчанию None Используется в качестве меток для полученных интервалов. Должен иметь ту же длину, что и полученные интервалы. Если False, возвращаются только целочисленные индикаторы интервалов. retbins : bool, необязательно Возвращать ли (bins, labels) или нет. Может быть полезно, если bins задан как скаляр. precision : целое число, необязательно Точность хранения и отображения меток интервалов duplicates : {по умолчанию ‘raise’, ‘drop’}, необязательно Если границы интервалов не уникальны, вызывать ValueError или удалять не уникальные. Новое в версии 0.20.0.

Возвращаемое значение:

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 входные данные — Series, иначе Categorical. Интервалы представлены как категории, когда возвращаются категориальные данные. bins : массив float Возвращается только если retbins равно True.

Примечания

Значения вне диапазона будут NA в результирующем объекте Categorical

Примеры

>>> pd.qcut(range(5), 4)
... 
[(-0.001, 1.0], (-0.001, 1.0], (1.0, 2.0], (2.0, 3.0], (3.0, 4.0]]
Categories (4, interval[float64]): [(-0.001, 1.0] < (1.0, 2.0] ...

>>> 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])