Mengelompokkan Angka ke dalam Kategori
cut dan qcut untuk berbagai rentang
Mengelompokkan Angka ke dalam Kategori adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Mengapa Angka Perlu Dibagi ke dalam Bin
Terkadang angka mentah seperti usia memberi lebih sedikit informasi daripada label seperti muda atau lansia. Pembagian ke dalam bin mengubah nilai kontinu menjadi kelompok yang rapi. 🪣
Bin Mengungkap Pola
Model dan diagram sering kali membaca kategori dengan lebih jelas daripada angka yang persis. Mengelompokkan harga menjadi rendah, sedang, dan tinggi dapat menampilkan tren yang mungkin terlewatkan.
Kenali pandas cut
Fungsi cut membagi kolom ke dalam bin yang Anda tentukan berdasarkan batas. Anda memberikan batas-batasnya, lalu fungsi ini memberi label pada setiap nilai untuk Anda.
import pandas as pd
ages = pd.Series([7, 22, 45, 70])
bins = pd.cut(ages, [0, 18, 60, 100])Beri Nama pada Bin Anda
Berikan labels agar setiap bin memiliki nama yang mudah dipahami, bukan interval. Kini output Anda terbaca seperti kategori nyata, bukan rentang matematika.
pd.cut(ages, [0, 18, 60, 100],
labels=['child', 'adult', 'senior'])Batas Kanan Bersifat Inklusif
Secara bawaan, cut menyertakan batas kanan setiap bin dan mengecualikan batas kiri. Jadi nilai 18 masuk ke bin pertama, bukan bin kedua.
Balikkan dengan right=False
Ingin menyertakan batas kiri? Atur right=False dan perilaku batas akan dibalik, sehingga 18 berpindah ke bin berikutnya.
pd.cut(ages, [0, 18, 60, 100], right=False)Bin dengan Lebar Sama
Berikan cut satu angka, bukan batas-batas, dan fungsi ini akan otomatis membuat sejumlah bin dengan lebar sama di seluruh rentang nilai.
pd.cut(ages, 4)Kenali pandas qcut
Fungsi qcut membagi data berdasarkan kuantil, sehingga setiap bin menampung jumlah baris yang kurang lebih sama. Cocok ketika data Anda tidak seimbang.
pd.qcut(ages, 4)cut vs qcut
Gunakan cut untuk batas tetap yang bermakna, seperti tingkatan harga. Gunakan qcut saat Anda menginginkan kelompok yang seimbang, seperti kuartil pendapatan.
Bin Menjadi Fitur
Hasilnya adalah kolom kategorikal yang dapat langsung Anda masukkan ke DataFrame dan gunakan untuk pengelompokan, pembuatan plot, atau model.
df['age_group'] = pd.cut(df['age'],
[0, 18, 60, 100])Perhatikan Nilai di Luar Rentang
Nilai di luar batas bin Anda menjadi NaN. Selalu tetapkan batas yang mencakup nilai minimum dan maksimum sebenarnya, atau baris akan hilang tanpa disadari.
Pemeriksaan Singkat
Anda ingin membuat empat kelompok yang masing-masing menampung jumlah baris yang kurang lebih sama. Alat mana yang tepat?
Rekap: Pembagian ke dalam Bin
Anda telah belajar mengelompokkan angka menjadi label: cut untuk batas yang dipilih dan lebar yang sama, serta qcut untuk jumlah yang sama. Perhatikan batasnya agar nilai mentah berubah menjadi fitur yang berguna. 🎉
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Mengelompokkan Angka ke dalam Kategori” gratis?
Ya — teks lengkap “Mengelompokkan Angka ke dalam Kategori” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Mengelompokkan Angka ke dalam Kategori”?
cut dan qcut untuk berbagai rentang Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “Mengelompokkan Angka ke dalam Kategori” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengelompokkan Angka ke dalam Kategori
- Menyandikan Kolom Kategorikal
- Menskalakan dan Menormalisasi Angka
- Membuat Fitur dari Tanggal dan Teks