zoukankan      html  css  js  c++  java
  • 特征工程

    卡方分箱

    卡方分箱原理

    数据分析与数据挖掘之四大分布三大检验

    python自带分箱函数  --  无法实现对分类型数据的分箱,可借助卡方分箱算法实现

    import numpy as np
    import pandas as pd
    
    data = np.random.randint(100, size=(10000,))
    
    #自定义分箱
    #cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')
    pd.cut(data, bins=[0, 10, 20, 50, 70, 100], right=False)
    
    #等宽分箱
    pd.cut(data, bins=5, right=False, labels=range(5))
    
    #等频分箱
    #qcut(x, q, labels=None, retbins=False, precision=3, duplicates='raise')
    pd.qcut(data, q=5, labels=range(5))
    
    #等频分箱 - 老版本重复值过多报错问题
    '''该代码倾向于将重复值全划分到更高的组,自带的qcut则倾向于将其划分到更低的组'''
    def pct_rank_qcut(series, n):
        '''
        series:要分箱的列
        n:箱子数
        '''
        edages = pd.Series(range(1,n+1))/n #转换成百分比
        func = lambda x: (edages >= x).argmax() #返回列表中第一次出现true的索引值
        return series.rank(pct=1).astype(float).apply(func) #百分位数,返回组下标,数据类型若为object,结果会有问题,因此进行了astype
    

      

  • 相关阅读:
    专题页移动端适配实例
    iconfont字体图标使用方法
    HBuilder常用快捷键
    tab
    tab-qq
    微信小程序之购物车功能
    margin塌陷
    weui-wxss-master下载地址
    python_vlc 播放http流
    go学习笔记-简述
  • 原文地址:https://www.cnblogs.com/iupoint/p/11205109.html
Copyright © 2011-2022 走看看