Pandas使用cut函数将数据离散化

在 pandas 中，可以使用 cut 函数将数值型数据离散化成分类变量。离散化是指将连续型数据分成若干个离散的区间，每个区间对应一个分类变量，用于进行分组、统计和建模等操作。

下面是一个简单的示例：

import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'age': [20, 30, 25, 35, 40, 25, 30],
                   'income': [3000, 4000, 5000, 6000, 7000, 8000, 9000]})

# 将 age 列离散化成 3 个区间，并创建新的一列 category
df['category'] = pd.cut(df['age'], bins=[0, 25, 30, 100], labels=['young', 'middle-aged', 'old'])

# 显示离散化结果
print(df)

在上面的示例中，我们首先创建一个数据框 df，其中包含两列数据：age 表示年龄，取值为整数；income 表示收入，取值为整数。然后，我们使用 cut 函数将 age 列离散化成 3 个区间（0-25、25-30、30-100），并将每个区间对应的分类变量分别命名为 'young'、'middle-aged' 和 'old'。最后，我们使用 print 函数显示离散化后的数据框。

需要注意的是，cut 函数的第一个参数是需要离散化的数据，第二个参数是区间的分界点，可以使用一个列表指定分界点，也可以使用一个整数指定区间的个数，此时 cut 函数会根据数据的最小值和最大值自动计算区间的分界点。labels 参数是每个区间对应的分类变量，其长度必须比区间的个数少 1，例如，在上面的示例中，我们使用了 3 个区间，因此 labels 参数的长度为 2。