Преобразование чисел в категории
cut и qcut для диапазонов
«Преобразование чисел в категории» — бесплатный урок Data Science Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Data Science Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Data Science Academy содержит 4 уроков всего.
Зачем разбивать число на интервалы
Иногда исходное число, например возраст, сообщает меньше, чем метка вроде молодой или пожилой. Разбиение на интервалы превращает непрерывное значение в аккуратные группы. 🪣
Интервалы раскрывают закономерности
Модели и графики часто воспринимают категории понятнее, чем точные числа. Разбиение цен на низкие, средние и высокие может выявить тенденции, которые иначе остались бы незамеченными.
Познакомьтесь с pandas cut
Функция cut делит столбец на интервалы, границы которых задаёте Вы. Вы указываете границы, а функция присваивает метку каждому значению.
import pandas as pd
ages = pd.Series([7, 22, 45, 70])
bins = pd.cut(ages, [0, 18, 60, 100])Назовите интервалы
Передайте labels, чтобы каждый интервал получил понятное имя вместо обозначения диапазона. Теперь результат выглядит как настоящая категория, а не математический диапазон.
pd.cut(ages, [0, 18, 60, 100],
labels=['child', 'adult', 'senior'])Правая граница включается
По умолчанию cut включает правую границу каждого интервала и исключает левую. Поэтому значение 18 попадёт в первый интервал, а не во второй.
Измените поведение с помощью right=False
Хотите включать левую границу? Установите right=False, и правило обработки границ изменится: значение 18 перейдёт в следующий интервал.
pd.cut(ages, [0, 18, 60, 100], right=False)Интервалы одинаковой ширины
Передайте cut одно число вместо границ, и функция автоматически создаст указанное количество интервалов одинаковой ширины во всём диапазоне значений.
pd.cut(ages, 4)Познакомьтесь с pandas qcut
Функция qcut делит данные по квантилям, поэтому в каждом интервале оказывается примерно одинаковое число строк. Это особенно полезно для неравномерно распределённых данных.
pd.qcut(ages, 4)cut и qcut
Используйте cut для фиксированных осмысленных границ, например ценовых категорий. Используйте qcut, когда нужны сбалансированные группы, например квартили дохода.
Интервалы становятся признаком
В результате получается категориальный столбец, который можно сразу добавить в DataFrame и передать для группировки, построения графика или обучения модели.
df['age_group'] = pd.cut(df['age'],
[0, 18, 60, 100])Следите за выходом за диапазон
Значения за пределами заданных границ интервалов превращаются в NaN. Всегда задавайте границы, охватывающие реальные минимум и максимум, иначе строки будут незаметно потеряны.
Быстрая проверка
Вы хотите получить четыре группы, в каждой из которых будет примерно одинаковое число строк. Какой инструмент подойдёт?
Итоги: разбиение на интервалы
Вы научились превращать числа в группы с метками: cut — для выбранных границ и интервалов одинаковой ширины, qcut — для одинакового количества элементов. Следите за границами, и исходные значения превратятся в полезные признаки. 🎉
Изучай Python с ИИ-репетитором — бесплатно
Пиши и запускай код прямо в браузере, получай мгновенную помощь от ИИ-репетитора 24/7 и продолжи учиться на сайте или в приложении.
- Курсы
- 30
- Уроки
- 120
Часто задаваемые вопросы
Урок «Преобразование чисел в категории» бесплатный?
Да — полный текст урока «Преобразование чисел в категории» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Data Science Academy, подпишись на CoddyKit PRO. Курс Data Science Academy содержит 4 уроков всего.
Чему я научусь в уроке «Преобразование чисел в категории»?
cut и qcut для диапазонов Ты практикуешь Data Science Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Data Science Academy?
Предыдущий опыт не требуется. Data Science Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Преобразование чисел в категории»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Data Science Academy?
Да. Каждый урок Data Science Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Преобразование чисел в категории
- Кодирование категориальных столбцов
- Масштабирование и нормализация чисел
- Создание признаков из дат и текста