使用 python pandas cut 函数创建 bin 时数据丢失答案

【问题标题】：Data Lost while creating bins using python pandas cut function使用 python pandas cut 函数创建 bin 时数据丢失
【发布时间】：2019-06-20 14:50:18
【问题描述】：

我的目标是将一列从 df1 转移到 df2 并同时创建 bin。我有名为 df1 的数据框，其中包含 3 个数值变量。我想将一个名为“tenure”的变量提取到 df2 并希望创建 bin。它将列值传输到 df2 但 df2 显示了一些缺失值。请在下面找到代码：

df2=pd.cut(df1["tenure"] , bins=[0,20,60,80], labels=['low','medium','high'])

在创建 df2 之前，我检查了 df1 中的缺失值。没有这样混乱的值，但在创建 bin 后它显示 11 个缺失值。

print(df2.isnull().sum())

上面的代码显示了 11 个缺失值

感谢任何人的帮助。

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我假设您在df1['tenure'] 中有一些不在(0,80] 中的值，可能是零。请看下面的例子：

df1 = pd.DataFrame({'tenure':[-1, 0, 12, 34, 78, 80, 85]})
print (pd.cut(df1["tenure"] , bins=[0,20,60,80], labels=['low','medium','high']))

0       NaN    # -1 is lower than 0 so result is null
1       NaN    # it was 0 but the segment is open on the lowest bound so 0 gives null
2       low
3    medium
4      high
5      high    # 80 is kept as the segment is closed on the right
6       NaN    # 85 is higher than 80 so result is null
Name: tenure, dtype: category
Categories (3, object): [low < medium < high]

现在，您可以在pd.cut 中传递参数include_lowest=True 以保持结果中的左边界：

print (pd.cut(df1["tenure"] , bins=[0,20,60,80], labels=['low','medium','high'],
              include_lowest=True))

0       NaN
1       low  # now where the value was 0 you get low and not null
2       low
3    medium
4      high
5      high
6       NaN
Name: tenure, dtype: category
Categories (3, object): [low < medium < high]

所以最后，我认为如果您打印 len(df1[(df1.tenure <= 0) | (df1.tenure > 80)])，您的数据将得到 11，即 null 值在您的 df2 中的数量（这里是 3 与我的数据）

【讨论】：