您的位置:

详解pd.cut函数

一、pd.cut用法

pd.cut()是一个用于将连续变量转换成离散变量的函数,通俗地说就是将一组数据按照一定的规则自动分成几段,然后用这几段来表示原来的数据。

二、pd.cut函数

pd.cut()函数的基本语法如下:

bins = [bin1, bin2, bin3, ....]
pd.cut(data, bins)

其中data为待分割的数据,bins为分割的规则。bins可以为数字,也可以为序列,如果为数字表示将整个数列分成几段,序列则表示每段指定具体的切分节点。

三、pd.cut函数判断区间

pd.cut()函数判断区间时默认是左开右闭,即分段区间为(left,right]。

四、pd.cut参数

在pd.cut()函数中,还有一些参数可以控制分段的方式,包括:

  • labels: 分段后每一段的标签。
  • include_lowest: 是否在最低区间间隔内,加入low_edge(最小值-0.1)。
  • right: 是否将值视为右限,默认为True。
  • precision: 仅对小数有效,设定小数的精度。

五、pd.cut左闭右开

控制pd.cut()函数的左闭右开用参数right,在pd.cut()函数中right默认为True,即右侧的区间与前一个区间相邻。

六、pd.cut函数股票

对于股票分组机制,我们通常需要在大量的指标中选择一些比较重要的数据,并按照一定的规则来使每只股票分别处于自己所在的分组,pd.cut()函数有很好的实用效果。

七、pd.cut设置bin

pd.cut()中的bin参数决定了将整个数列分割成几个等分点,bin参数可以是一个整数n,表示将整个数列等分成n等份。也可以是一个列表,表示用这些桶序列来分割数据。

例如,下列代码将序列s分割成5个等分点,生成6个分组:

import pandas as pd
import numpy as np

s = pd.Series(np.random.randn(100))
s = pd.Series(pd.cut(s, 5))
print(s.value_counts())

输出为:

(-2.082, -1.336]     22
(-1.336, -0.596]     35
(-0.596, 0.142]      26
(0.142, 0.881]       10
(0.881, 1.621]        7
dtype: int64

八、pd.cut后按顺序排列

pd.cut()默认会根据边缘数值进行排序。如果要根据切片顺序将结果排序(而不是按峰值),请将参数ordered设置为False。

九、pd.cut什么意思

pd.cut()函数将连续变量离散化成无序的 categorical 变量,是数据处理中的一个非常实用的函数。

十、pd.cut函数给股票分组

了解了pd.cut()函数的基本用法和相关参数,我们可以尝试将其应用到股票分组中,分组取权值的思路大概如下:

  • 按照市值大小将所有股票分为若干组。
  • 每组中按照一定的篇幅分层打分。
  • 最后得到每个股票的大小分数。

实现起来,我们根据市值(net_asset_value)进行排序,将股票分为若干组,从而可以实现个股的分类。

示例代码如下:

import pandas as pd
import numpy as np

# 准备数据
data = pd.read_csv('example.csv')
data = data.sort_values('net_asset_value') # 按市值排序
data = data.reset_index(drop=True)

# 切分并保存分组
data['groups'] = pd.cut(data.index, bins=10, labels=range(10))

# 打分
data['points'] = np.exp(-(data.groups.astype(int) - 4) ** 2)

# 按得分排序并输出
data = data.sort_values('points', ascending=False)
print(data.head())