知识卡片

操作参考卡 · 6373.b

等宽分箱不同于等频分箱

理解等级:中级

给cut箱数时按数值范围划分近似等宽区间,分布不均会使各箱人数不同;qcut按样本分位点形成近似等频组,箱宽可不同。相同值大量集中时分位边界可能重复,不能保证总能得到预定数量等人数的箱。比较前明确要控制区间宽度还是样本数量。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 3 处

    • · 查看原书依据

      样本分位数对数据进行面元划分。根据数据的分布情况,cut可能无法使各个面元中含有相同数量的数据点。而qcut由于使用的是样本分位数,因此可以得到大小基本相等的面元: In [165]: data = np.random.randn(1000) # 正态分布 In [166]: cats = pd.qcut(data, 4) # 按四分位数进行切割 In [1

    • · 查看原书依据

      pd.qcut(frame.data1, 10, labels=False) In [103]: grouped = frame.data2.groupby(grouping) In [104]: grouped.apply(get_stats).unstack() Out[104]: count max mean min 0 100 1.670835 -0

    • · 查看原书依据

      bins = np.array([0, 1, 10, 100, 1000, 10000, 100000, 1000000, 10000000]) In [44]: labels = pd.cut(fec_mrbo.contb_receipt_amt, bins) In [45]: labels Out[45]: Categorical: contb_rece

    参考来源

    - 位置:《利用Python进行数据分析》第7章《离散化和面元划分》(spine294;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0280.html;u159-ch07-024)。 - 结论依据:原文在“样本分位数”附近的定义、例子或代码支撑本卡核心说明:给cut箱数时按数值范围划分近似等宽区间,分布不均会使各箱人数不同;qcut按样本分位点形成近似等频组,箱宽可不同。边界按已读前提解释;示例未执行。 - 原始内容:样本分位数对数据进行面元划分。根据数据的分布情况,cut可能无法使各个面元中含有相同数量的数据点。而qcut由于使用的是样本分位数,因此可以得到大小基本相等的面元: In [165]: data = np.random.randn(1000) # 正态分布 In [166]: cats = pd.qcut(data, 4) # 按四分位数进行切割 In [1 - 位置:《利用Python进行数据分析》第9章《分位数和桶分析》(spine305;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0291.html;u203-ch07-024)。 - 结论依据:cut等宽产生各组数量不同,qcut按分位点在本例每组100项;这是所示样本结果,不保证所有重复值数据都可分十组。 - 原始内容:pd.qcut(frame.data1, 10, labels=False) In [103]: grouped = frame.data2.groupby(grouping) In [104]: grouped.apply(get_stats).unstack() Out[104]: count max mean min 0 100 1.670835 -0 - 位置:《利用Python进行数据分析》第9章《对出资额分组》(spine307;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0293.html;u212-ch07-024)。 - 结论依据:原例自行指定相差十倍的边界,不是等宽或等频;右闭区间的边界需保留。 - 原始内容:bins = np.array([0, 1, 10, 100, 1000, 10000, 100000, 1000000, 10000000]) In [44]: labels = pd.cut(fec_mrbo.contb_receipt_amt, bins) In [45]: labels Out[45]: Categorical: contb_rece