Python Pandas使用pd.qcu创建新的Bin/Bucket变量

Question

如何在python中使用pd.qut创建新的Bin/Bucket变量？

对于有经验的用户来说，这似乎是最基本的，但我对此并不十分清楚，而且在stack overflow/google上搜索也令人惊讶地不直观。一些彻底的搜索得到了这个（Assignment of qcut as new column），但它没有完全回答我的问题，因为它没有采取最后一步，把所有东西都放进垃圾箱（即1，2，…）。

Answer 1

在Pandas 0.15.0或更高版本中，^{}将返回一个序列，如果输入是一个序列（在您的例子中是这样的）或者如果labels=False，则返回的不是一个类别。如果您设置了labels=False，那么qcut将返回一个以容器的整数指示器为值的序列。

为了将来证明你的代码，你可以使用

data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)

或者，向pd.qcut传递一个NumPy数组，这样就可以得到一个Categorical作为返回值。 注意分类属性^{} is deprecated。使用codes代替：

data3['bins_spd'] = pd.qcut(data3['spd_pct'].values, 5).codes

Answer 2

编辑：以下答案仅对小于0.15.0的熊猫版本有效。如果您正在运行熊猫15或更高版本，请参见：

data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)

感谢@unutbu指出这一点。：）

假设您有一些数据要装箱，在我的例子中，选项是展开的，并且您希望创建一个新变量，其中包含与每个观察值对应的存储桶。上面提到的链接可以通过以下方式完成此操作：

print pd.qcut(data3['spd_pct'], 40)

(0.087, 0.146]
(0.0548, 0.087]
(0.146, 0.5]
(0.146, 0.5]
(0.087, 0.146]
(0.0548, 0.087]
(0.5, 2]

它给出了对应于每个观察的bin端点。但是，如果您想要每个观测对应的箱子编号，则可以执行以下操作：

print pd.qcut(data3['spd_pct'],5).labels

[2 1 3 ..., 0 1 4] 

如果您想创建一个只包含箱号的新变量，那么将其放在一起就足够了：

data3['bins_spd']=pd.qcut(data3['spd_pct'],5).labels

print data3.head()

   secid      date    symbol  symbol_flag     exdate   last_date cp_flag  0   5005  1/2/1997  099F2.37            0  1/18/1997         NaN       P   
1   5005  1/2/1997  09B0B.1B            0  2/22/1997   12/3/1996       P   
2   5005  1/2/1997  09B7C.2F            0  2/22/1997  12/11/1996       P   
3   5005  1/2/1997  09EE6.6E            0  1/18/1997  12/27/1996       C   
4   5005  1/2/1997  09F2F.CE            0  8/16/1997         NaN       P   

   strike_price  best_bid  best_offer     ...      close  volume_y    return  0          7500     2.875      3.2500     ...        4.5     99200  0.074627   
1         10000     5.375      5.7500     ...        4.5     99200  0.074627   
2          5000     0.625      0.8750     ...        4.5     99200  0.074627   
3          5000     0.125      0.1875     ...        4.5     99200  0.074627   
4          7500     3.000      3.3750     ...        4.5     99200  0.074627   

   cfadj_y  open  cfret  shrout      mid   spd_pct  bins_spd  
0        1   4.5      1   57735  3.06250  0.122449         2  
1        1   4.5      1   57735  5.56250  0.067416         1  
2        1   4.5      1   57735  0.75000  0.333333         3  
3        1   4.5      1   57735  0.15625  0.400000         3  
4        1   4.5      1   57735  3.18750  0.117647         2  

[5 rows x 35 columns]

希望这能帮助别人。至少现在应该更容易搜索。：）