Question

假设我有一个大熊猫系列的美元价值，并希望使用qcut离散为9组。观察数＃不能被9整除.SQL Server的ntile函数对于这种情况有一个标准的方法：它使9个组中的第一个 n 1观察大于剩下的（9- n ）组。

我在熊猫中注意到，哪些组的 x 观察与 x + 1观察的分配似乎是随机的。我试图破译algos中的代码来弄清楚分位数函数如何处理这个问题，但无法弄明白。

我有三个相关的问题：

任何熊猫开发者都可以解释qcut的行为？是随机哪个群体获得更多的观察结果？
有没有办法强制qcut的行为与NTILE类似（即，第一组获取 x + 1次观察）？
如果＃2的答案为否，那么对于函数的任何想法都会像NTILE那样？（如果这是一项复杂的工作，只需对您的方法进行概述就会有所帮助。）

以下是SQL Server的NTILE输出示例。

Bin |# Observations
1   26
2   26
3   26
4   26
5   26
6   26
7   26
8   25
9   25

这是熊猫：

Bin |# Observations
1   26
2   26
3   26
4   25 (Why is this 25 vs others?)
5   26
6   26
7   25 (Why is this 25 vs others?)
8   26
9   26

Answer 1

qcut表现得像这样，因为它更准确。这是一个例子：

对于 i 级别，它从分位数开始（ i -1）* 10％：

import pandas as pd
import numpy as np

a = np.random.rand(26*10+3)
r = pd.qcut(a, 10)
np.bincount(r.labels)

输出是：

array([27, 26, 26, 26, 27, 26, 26, 26, 26, 27])

如果你想要NTILE，你可以自己计算分位数：

n = len(a)
ngroup = 10

counts = np.ones(ngroup, int)*(n//ngroup)
counts[:n%ngroup] += 1

q = np.r_[0, np.cumsum(counts / float(n))]
q[-1] = 1.0
r2 = pd.qcut(a, q)
np.bincount(r2.labels)

输出是：

array([27, 27, 27, 26, 26, 26, 26, 26, 26, 26])

Python Pandas qcut的行为与观察结果不能被＃箱整除

1 个答案: