Python Pandas 使用 pd.qcut 创建新的 Bin/Bucket 变量

Question

如何使用 python 中的 pd.qut 创建新的 Bin/Bucket 变量？

这对于有经验的用户来说似乎很基础，但我对此不是很清楚，而且在堆栈上搜索 overflow/google 出人意料地不直观。一些彻底的搜索产生了这个 (Assignment of qcut as new column) 但它并没有完全回答我的问题，因为它没有采取最后一步并将所有东西放入垃圾箱（即 1,2,...）。

Answer 1

编辑：以下答案仅对 Pandas 小于 0.15.0 的版本有效。如果您运行 Pandas 15 岁或更高，请参阅：

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

感谢@unutbu 指出。 :)

假设您有一些数据要分箱，在我的例子中是期权价差，并且您想创建一个新变量，其中的桶对应于每个观察值。上面提到的 link 你可以通过：

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]

它为您提供了与每个观察值对应的 bin 端点。但是，如果您想要每个观察的相应 bin 编号，那么您可以这样做：

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

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

如果您想创建一个仅包含 bin 编号的新变量，将它们放在一起就足够了：

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]

希望这对其他人有帮助。至少现在应该更容易搜索了。 :)

Answer 2

在 Pandas 0.15.0 或更新版本中，pd.qcut 将 return 一个系列，如果输入是一个系列（在您的情况下是这样）或如果 labels=False。如果您设置 labels=False，那么 qcut 将 return 一个以 bin 的整数指标作为值的系列。

因此，为了让您的代码面向未来，您可以使用

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

或者，将 NumPy 数组传递给 pd.qcut，这样您就可以得到一个分类值作为 return 值。请注意，分类属性 labels is deprecated。使用 codes 代替：

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

Python Pandas 使用 pd.qcut 创建新的 Bin/Bucket 变量

Python Pandas Create New Bin/Bucket Variable with pd.qcut

python

buckets

bins

pandas