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

Question

如何在python中使用pd.qut创建新的Bin/Bucket变量？

对于经验丰富的用户来说，这可能看起来很初级，但我对此并不十分清楚，而且在堆栈溢出/谷歌上搜索它令人惊讶地缺乏直觉。一些彻底的搜索得到了这个结果（将qcut指定为新列），但它并没有完全回答我的问题，因为它没有采取最后一步，并将所有内容放入bin（即1,2，…）。

Answer 1

在Pandas 0.15.0或更新版本中，如果输入是Series（在您的情况下是这样）或labels=False，则pd.qcut将返回Series，而不是Categorical。如果设置了labels=False，那么qcut将返回一个系列，该系列的值为bin的整数指示符。

因此，为了将来验证您的代码，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Categorical作为返回值。请注意，不赞成使用类别属性labels。改为使用codes：

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

Answer 2

EDIT：以下答案仅适用于小于0.15.0的Pandas版本。如果您正在运行Pandas 15或更高版本，请参阅：

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

感谢@unsubu指出这一点。：）

假设你有一些数据要装箱，在我的例子中是期权价差，你想制作一个新的变量，其中的桶对应于每个观察。上面提到的链接，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相对应的bin端点。然而，如果你想要每个观测的对应仓号，那么你可以这样做：

print pd.qcut(data3['spd_pct'],5).labels
[2 1 3 ..., 0 1 4] 

如果你想创建一个只包含bin编号的新变量，那么把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]

希望这能帮助其他人。至少现在应该更容易搜索了。：）