Question

在熊猫自己的cut方法文档中，它说它会产生大小相等的垃圾箱。但是，在他们提供的示例中，显然没有：

>>>pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3)

[(0.994, 3.0], (5.0, 7.0], (3.0, 5.0], (3.0, 5.0], (5.0, 7.0], ...
Categories (3, interval[float64]): [(0.994, 3.0] < (3.0, 5.0] ...

第一个间隔大于所有其他间隔，为什么？

编辑：即使数组中的最小数字（1）大于1（例如1.001），它仍然会产生宽度不相等的bin：

In [291]: pd.cut(np.array([1.001, 7, 5, 4, 6, 3]), 3)    
Out[291]: 
[(0.995, 3.001], (5.0, 7.0], (3.001, 5.0], (3.001, 5.0], (5.0, 7.0], (0.995, 3.001]]
Categories (3, interval[float64]): [(0.995, 3.001] < (3.001, 5.0] < (5.0, 7.0]]

Answer 1

For the kind of performance you get，我可以忍受这种程度的部分误差。但是，如果您知道自己的数据并希望尽可能接近间隔均匀的容器，请对容器规格使用linspace（类似于here）：

arr = np.array([1, 7, 5, 4, 6, 3])
pd.cut(arr, np.linspace(arr.min(), arr.max(), 3+1), include_lowest=True) 
# [(0.999, 3.0], (5.0, 7.0], (3.0, 5.0], (3.0, 5.0], (5.0, 7.0], (0.999, 3.0]]
# Categories (3, interval[float64]): [(0.999, 3.0] < (3.0, 5.0] < (5.0, 7.0]]

如何用大熊猫切成相同大小的垃圾箱？

1 个答案: