今天就跟大家聊聊有关怎么在python中使用cut与qcut，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
我就废话不多说了，直接上代码吧：
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
from numpy import nan as NA
from matplotlib import pyplot as plt
ages = [20,22,25,27,21,23,37,31,61,45,41,32]
#将所有的ages进行分组
bins = [18,25,35,60,100]
#使用pandas中的cut对年龄数据进行分组
cats = pd.cut(ages,bins)
#print(cats)
#调用pd.value_counts方法统计每个区间的个数
number=pd.value_counts(cats)
#print(pd.value_counts(cats))
#显示第几个区间index值
index=pd.cut(ages,bins).codes
#print(index)
#为分类出来的每一组年龄加上标签
group_names = ["Youth","YouthAdult","MiddleAged","Senior"]
personType=pd.cut(ages,bins,labels=group_names)
#print(personType)
plt.hist(personType)
#plt.show()
#cut和qcut的用法
data=[1,2,3,4,5,6,7,8,9,10]
result=pd.qcut(data,4)
print(' ',result)##qcut会将10个数据进行排序，然后再将data数据均分成四组
#统计落在每个区间的元素个数
print('dasdasdasdasdas: ',pd.value_counts(result))
#qcut : 跟cut一样也可以自定义分位数（0到1之间的数值，包括端点）
results=pd.qcut(data,[0,0.1,0.5,0.9,1])
print('results: ',results)import numpy as np import pandas as pd data = np.random.rand(20) print(data) #用cut函数将一组数据分割成n份 #cut函数分割的方式：数据里的（大值-最小值）/n=每个区间的间距 #利用数据中大值和最小值的差除以分组数作为每一组数据的区间范围的差值 result = pd.cut(data,4,precision=2) #precision保留小数点的有效位数 print(result) res_data=pd.value_counts(result) print(res_data)
看完上述内容，你们对怎么在python中使用cut与qcut有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联成都网站设计公司行业资讯频道，感谢大家的支持。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
