熊猫-Python 中一列的分位数和十分位数
让我们看看如何在熊猫中找到一个列的分位数和十分位数。我们将使用pandas模块的qcut()功能。
熊猫
熊猫库的函数**qcut()**是一个基于分位数的离散化函数。这意味着它根据等级或样本分位数将变量离散成大小相等的桶。
语法: pandas.qcut(x，q，labels=None，retbins: bool = False，precision: int = 3，duplicates: str = 'raise ')
参数:
- x : 1d 数组或系列。
- q : 分位数。例如，10 指十分位数，4 指分位数。
- 标签:用作结果箱的标签。如果设置为假，它只返回容器的整数指示符。如果为真，则引发错误。默认情况下，它设置为“无”。
- retbin:(可选)它是一个布尔值，当设置为真时返回(bin，标签)。
- 精度:(可选)存储和显示箱柜标签的精度。
- 重复:(可选)如果箱边不唯一，则增加值错误或删除非唯一。
分位数等级
算法:
- 导入
pandas和numpy模块。 - 创建数据帧。
- 使用
pandas.qcut()函数，传递Score列，计算分位数离散化。并且q被设置为 4，因此这些值是从 0-3 分配的 - 打印带有分位数等级的数据帧。
# importing the modules
import pandas as pd
import numpy as np
# creating a DataFrame
df = {'Name' : ['Amit', 'Darren', 'Cody', 'Drew',
'Ravi', 'Donald', 'Amy'],
'Score' : [50, 71, 87, 95, 63, 32, 80]}
df = pd.DataFrame(df, columns = ['Name', 'Score'])
# adding Quantile_rank column to the DataFrame
df['Quantile_rank'] = pd.qcut(df['Score'], 4,
labels = False)
# printing the DataFrame
print(df)
输出:
十分位数
算法:
- 导入
pandas和numpy模块。 - 创建数据帧。
- 使用
pandas.qcut()函数，传递Score列，计算分位数离散化。q被设置为 10，因此数值从 0-9 分配 - 以十分位数打印数据帧。
# importing the modules
import pandas as pd
import numpy as np
# creating a DataFrame
df = {'Name' : ['Amit', 'Darren', 'Cody', 'Drew',
'Ravi', 'Donald', 'Amy'],
'Score' : [50, 71, 87, 95, 63, 32, 80]}
df = pd.DataFrame(df, columns = ['Name', 'Score'])
# adding Decile_rank column to the DataFrame
df['Decile_rank'] = pd.qcut(df['Score'], 10,
labels = False)
# printing the DataFrame
print(df)
输出:
