pandasのqcutの使い方
概要
- 連続値を整数値(カテゴリ変数)に変換する処理
- binsで区分を設定できる
pd.cutとの違いは、pd.qcutは分位数で区分する
サンプルコード
qcutとcutの違い
df = pd.DataFrame()
df["val"] = np.random.normal(1, 1, 10000)
df["cat_by_cut"] = pd.cut(df["val"], 3, labels=["low", "mid", "high"])
df["cat_by_qcut"] = pd.qcut(df["val"], 3, labels=["low", "mid", "high"])
# 値の範囲が異なる
display(df["cat_by_cut"].value_counts().to_frame())
"""
| cat_by_cut | count |
|:-------------|--------:|
| mid | 8366 |
| low | 1119 |
| high | 515 |
"""
# ほぼ同じ数になる
display(df["cat_by_qcut"].value_counts().to_frame())
"""
| cat_by_qcut | count |
|:--------------|--------:|
| mid | 3334 |
| low | 3333 |
| high | 3333 |
"""
edgeの確認
_, bin_edges = pd.cut(df["val"], 3, retbins=True)
print(bin_edges) # [-3.06438592 -0.21070577 2.63443895 5.47958367]
_, qbin_edges = pd.qcut(df["val"], 3, retbins=True)
print(qbin_edges) # [-3.05585049 0.57646289 1.42827745 5.47958367]