在資料分析中，將資料分入類別以簡化其表示和分析通常很有用。這是處理數字資料時的常用技術，例如處理百分比時。
假設我們有一個名為「percentage」的資料框列，其中包含數值，如下所示：
df['percentage'].head() 46.5 44.2 100.0 42.12
要對此列進行分箱並取得每個分箱的值計數，我們可以使用pd.cut 函數。有兩種方法可以實現此目的：
將pd.cut 與value_counts 結合使用：
bins = [0, 1, 5, 10, 25, 50, 100] df['binned'] = pd.cut(df['percentage'], bins) print(df.groupby(df['binned']).size())
使用np.search🎜>
df['binned'] = np.searchsorted(bins, df['percentage'].values) print(df.groupby(df['binned']).size())
percentage (0, 1] 0 (1, 5] 0 (5, 10] 0 (10, 25] 0 (25, 50] 3 (50, 100] 1 dtype: int64
兩種方法都會傳回以下內容輸出：
此輸出表示bin (0, 1]、(1, 5]、(5, 10] 和(10 , 25]) 中沒有值。中。以上是如何有效地將 Pandas 列分箱並對每個分箱中的值進行計數？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
