pandas.qcut

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

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

Параметры:

x : 1d ndarray or Series q : integer or array of quantiles Количество квантилей. 10 для децилей, 4 для квартилей и т.д. В качестве альтернативы массив квантилей, например [0, 0.25, 0.5, 0.75, 1.] для квартилей labels : array or boolean, default None Используется в качестве меток для полученных интервалов. Должен иметь такую же длину, как и полученные интервалы. Если False, возвращаются только целые показатели интервалов. retbins : bool, optional Возвращать (интервалы, метки) или нет. Может быть полезно, если интервалы заданы как скаляр. precision : int, optional Точность хранения и отображения меток интервалов duplicates : {default ‘raise’, ‘drop’}, optional Если границы интервалов не уникальны, вызывается исключение ValueError или пропускаются не уникальные значения. Добавлена в версии 0.20.0.

Возвращает:

out : Categorical or Series or array of integers if labels is False Тип возвращаемого значения (Categorical или Series) зависит от входных данных: Series типа category, если входной параметр — Series, иначе — Categorical. Интервалы представлены как категории, когда возвращаются категориальные данные. bins : ndarray of floats Возвращается только если retbins равно True.

Примечания

Значения за пределами границ будут NA в результирующем объекте Categorical

Примеры

>>> pd.qcut(range(5), 4)
... # doctest: +ELLIPSIS
[(-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"])
... # doctest: +SKIP
[good, good, medium, bad, bad]
Categories (3, object): [good < medium < bad]

>>> pd.qcut(range(5), 4, labels=False)
array([0, 0, 1, 2, 3])