Zahlen in Kategorien einteilen
cut und qcut für Wertebereiche
Zahlen in Kategorien einteilen ist eine kostenlose Data Science Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Data Science Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Why Bin a Number
Sometimes a raw number like age tells you less than a label like young or senior. Binning turns a continuous value into tidy groups. 🪣
Bins Reveal Patterns
Models and charts often read categories more clearly than exact figures. Grouping prices into low, mid, and high can surface trends you would otherwise miss.
Meet pandas cut
The cut function slices a column into bins you define by edges. You give it the boundaries, and it labels each value for you.
import pandas as pd
ages = pd.Series([7, 22, 45, 70])
bins = pd.cut(ages, [0, 18, 60, 100])Name Your Bins
Pass labels so each bin has a friendly name instead of an interval. Now your output reads like a real category, not a math range.
pd.cut(ages, [0, 18, 60, 100],
labels=['child', 'adult', 'senior'])Edges Are Inclusive Right
By default cut includes the right edge of each bin and excludes the left. So a value of 18 lands in the first bin, not the second.
Flip With right=False
Want the left edge included instead? Set right=False and the boundary behavior flips, so 18 moves into the next bin up.
pd.cut(ages, [0, 18, 60, 100], right=False)Equal-Width Bins
Give cut a single number instead of edges and it creates that many equal-width bins automatically across the value range.
pd.cut(ages, 4)Meet pandas qcut
The qcut function splits by quantiles, so each bin holds roughly the same number of rows. Great when your data is lopsided.
pd.qcut(ages, 4)cut vs qcut
Use cut for fixed, meaningful edges like price tiers. Use qcut when you want balanced groups such as quartiles of income.
Bins Become a Feature
The result is a categorical column you can drop straight into your DataFrame and feed to grouping, plotting, or a model.
df['age_group'] = pd.cut(df['age'],
[0, 18, 60, 100])Watch the Out-of-Range
Values outside your bin edges become NaN. Always set edges that cover your real minimum and maximum, or you will silently lose rows.
Quick Check
You want four groups that each hold about the same number of rows. Which tool fits?
Recap: Binning
You learned to group numbers into labels: cut for chosen edges and equal widths, qcut for equal counts. Mind the edges and you turn raw values into useful features. 🎉
Häufig gestellte Fragen
Ist die Lektion „Zahlen in Kategorien einteilen“ kostenlos?
Ja — der vollständige Text von „Zahlen in Kategorien einteilen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Data Science Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Data Science Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Zahlen in Kategorien einteilen“?
cut und qcut für Wertebereiche Du übst Data Science Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Data Science Academy zu starten?
Keine Vorkenntnisse erforderlich. Data Science Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.
Wie lange dauert die Lektion „Zahlen in Kategorien einteilen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Data Science Academy-Lektion Code schreiben und ausführen?
Ja. Jede Data Science Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Zahlen in Kategorien einteilen
- Kategorische Spalten codieren
- Zahlen skalieren und normalisieren
- Merkmale aus Datumsangaben und Text erstellen