숫자를 범주로 구간화하기

때로는 나이와 같은 원시 숫자보다 청년이나 노년 같은 레이블이 더 많은 정보를 전달합니다. 구간화하면 연속적인 값이 정돈된 그룹으로 바뀝니다. 🪣

모델과 차트는 정확한 수치보다 범주를 더 명확하게 읽는 경우가 많습니다. 가격을 낮음, 중간, 높음으로 묶으면 그렇지 않았다면 놓쳤을 추세가 드러날 수 있습니다.

cut 함수는 사용자가 정한 경계에 따라 열을 구간으로 나눕니다. 경계를 지정하면 각 값에 맞는 레이블을 자동으로 붙여 줍니다.

레이블을 전달하면 각 구간이 구간 표시 대신 이해하기 쉬운 이름을 갖게 됩니다. 이제 출력이 수학적 범위가 아니라 실제 범주처럼 보입니다.

기본적으로 cut은 각 구간의 오른쪽 경계를 포함하고 왼쪽 경계는 제외합니다. 따라서 값이 18이면 두 번째 구간이 아니라 첫 번째 구간에 들어갑니다.

왼쪽 경계를 포함하고 싶으신가요? right=False로 설정하면 경계 처리 방식이 반대로 바뀌어 18이 다음 구간으로 이동합니다.

경계 대신 하나의 숫자를 cut에 전달하면 값의 전체 범위에 걸쳐 동일한 너비의 구간을 해당 개수만큼 자동으로 만듭니다.

qcut 함수는 분위수를 기준으로 나누므로 각 구간에 대략 같은 수의 행이 들어갑니다. 데이터가 한쪽으로 치우쳐 있을 때 특히 유용합니다.

가격 구간처럼 고정되고 의미 있는 경계를 사용하려면 cut을 사용하세요. 소득을 사분위수처럼 균형 잡힌 그룹으로 나누려면 qcut을 사용하세요.

그 결과는 범주형 열이 되며, 이를 DataFrame에 바로 추가해 그룹화, 시각화 또는 모델 입력에 사용할 수 있습니다.

구간 경계 밖의 값은 NaN이 됩니다. 실제 최솟값과 최댓값을 포함하도록 경계를 항상 설정하세요. 그렇지 않으면 행이 조용히 사라집니다.

이제 숫자를 레이블이 있는 그룹으로 묶는 방법을 배웠습니다. 선택한 경계와 동일한 너비에는 cut을, 동일한 개수에는 qcut을 사용합니다. 경계에 주의하면 원시 값이 유용한 특성으로 바뀝니다. 🎉