Question

我想使用pandas cut函数在数据框中为CUSTOMER_AGE创建bin。我尝试使用下面的代码：

bins = [0,20,25, 30, 35, 40,45,50,55, 60,150]
labels = ['0-20yrs', '21-25 yrs', '26-30 yrs', '31-35 yrs','36-40 yrs', 
           '41-45 yrs', '46-50 yrs','51-55 yrs', '56-59 yrs', '> 60yrs']
df['BINS'] = pd.cut(df.CUSTOMER_AGE, bins, labels = labels,include_lowest = True)

这是我得到的输出：

CUSTOMER_AGE               BIN
 20                      0-20 yrs
 38                      36-40 yrs
 58                      56-59 yrs
 60                      56-59 yrs
 60                      56-59 yrs
 72                      > 60 yrs
 61                      > 60 yrs
 60                      56-59 yrs
 80                      > 60 yrs

我想知道为什么只有60岁的客户落在“ 56-59岁”分类下而不是“> 60岁”下。但是，年龄超过60岁的客户会进入正确的分类箱，即“> 60岁”

Answer 1

我认为您需要cut中的right=False才能将closed='right'更改为closed='left'：

右：bool，默认为 True

指示垃圾箱是否包括最右边。如果right == True（默认值），则bins [1、2、3、4]表示（1,2]，（2,3]，（3,4]。当bins是IntervalIndex时，将忽略此参数

df['BINS'] = pd.cut(df.CUSTOMER_AGE, bins, labels = labels,include_lowest = True, right=False)
print (df)
   CUSTOMER_AGE        BIN       BINS
0            20   0-20 yrs  21-25 yrs
1            38  36-40 yrs  36-40 yrs
2            58  56-59 yrs  56-59 yrs
3            60  56-59 yrs    > 60yrs
4            60  56-59 yrs    > 60yrs
5            72   > 60 yrs    > 60yrs
6            61   > 60 yrs    > 60yrs
7            60  56-59 yrs    > 60yrs
8            80   > 60 yrs    > 60yrs

要更好地理解，请检查Interval：

一个闭合区间（用方括号表示的数学形式）包含其端点，即闭合区间[0，5]的特征是条件0 <= x <=5。这就是close ='both'代表的意思。开放时间间隔（用括号表示的数学形式）不包含其端点，即开放时间间隔（0，5）的条件是0 半开或半闭，即 [0，5）由 0 <= x < 5 （closed ='left'）和（0，5] 由 0 （closed ='right'）描述。 / p>

，并在不使用label参数的情况下进行检查：

df['BINS_l'] = pd.cut(df.CUSTOMER_AGE, bins, include_lowest = True, right=True) df['BINS_r'] = pd.cut(df.CUSTOMER_AGE, bins, include_lowest = True, right=False) print (df) CUSTOMER_AGE BIN BINS_l BINS_r 0 20 0-20 yrs (-0.001, 20.0] [20, 25) 1 38 36-40 yrs (35.0, 40.0] [35, 40) 2 58 56-59 yrs (55.0, 60.0] [55, 60) 3 60 56-59 yrs (55.0, 60.0] [60, 150) 4 60 56-59 yrs (55.0, 60.0] [60, 150) 5 72 > 60 yrs (60.0, 150.0] [60, 150) 6 61 > 60 yrs (60.0, 150.0] [60, 150) 7 60 56-59 yrs (55.0, 60.0] [60, 150) 8 80 > 60 yrs (60.0, 150.0] [60, 150)

因此，如果您看到(60.0, 150.0]，则表示60.0 < x <= 150.0（排除了60值）。

但是在第二列中是[60, 150)，表示60 <= x < 150（包括60值）。

如何在python中创建自定义垃圾箱

1 个答案: