如何使用python计算百分位数实现数据分箱-创新互联
小编给大家分享一下如何使用python计算百分位数实现数据分箱,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!
创新互联为企业级客户提高一站式互联网+设计服务,主要包括网站建设、成都网站建设、app软件开发公司、小程序开发、宣传片制作、LOGO设计等,帮助客户快速提升营销能力和企业形象,创新互联各部门都有经验丰富的经验,可以确保每一个作品的质量和创作周期,同时每年都有很多新员工加入,为我们带来大量新的创意。Python的优点有哪些
1、简单易用,与C/C++、Java、C# 等传统语言相比,Python对代码格式的要求没有那么严格;2、Python属于开源的,所有人都可以看到源代码,并且可以被移植在许多平台上使用;3、Python面向对象,能够支持面向过程编程,也支持面向对象编程;4、Python是一种解释性语言,Python写的程序不需要编译成二进制代码,可以直接从源代码运行程序;5、Python功能强大,拥有的模块众多,基本能够实现所有的常见功能。
百分位数,如果将一组数据从小到大排序,并计算相应的累计百分位,则某一百分位所对应数据的值就称为这一百分位的百分位数。可表示为:一组n个观测值按数值大小排列。如,处于p%位置的值称第p百分位数。
因为百分位数是采用等分的方式划分数据,因此也可用此方法进行等频分箱。
import pandas as pd import numpy as np import random t=pd.DataFrame(columns=['l','s']) #随机生成1000个0到999整数 t['l']=[random.randint(0,999) for _range in range(1000)] #定义s为1,便于统计 t['s']=1 #通过np.percentile找到分位点 l_bin=[] for i in range(0,101,10): l_bin.append(np.percentile(t['l'],i)) #分位点最后一个数加上一个极小的数,否则切分后数字999会标记为nan l_bin[-1]+=1/1e10 print('分位点:',np.array(l_bin).round(2)) #对随机数进行切分,right=False时左闭右开 t['box']=pd.cut(t['l'],l_bin,right=False) tj=t.groupby('box')['s'].agg('sum') print('分箱统计') print(tj) #生成新的标签 label=[] for i in range(len(l_bin)-1): label.append(str(l_bin[i].round(4))+'+') #原标签和自定义的新标签生成字典 list_box_td=list(set(t['box'])) list_box_td.sort() dict_t=dict(zip(list_box_td,label)) #根据字典进行替换 t['new_box']=t['box'].replace(dict_t) print('新分箱统计') tj=t.groupby('new_box')['s'].agg('sum') print(tj) del t['s'] print(t.head())
输出结果:
分位点: [ 0. 90.9 194.6 290. 386. 473.5 589. 688. 783.2 884.2 997. ] 分箱统计 box [0.0, 90.9) 100 [90.9, 194.6) 100 [194.6, 290.0) 99 [290.0, 386.0) 99 [386.0, 473.5) 102 [473.5, 589.0) 99 [589.0, 688.0) 100 [688.0, 783.2) 101 [783.2, 884.2) 100 [884.2, 997.0) 100 Name: s, dtype: int64 新分箱统计 new_box 0.0+ 100 194.6+ 99 290.0+ 99 386.0+ 102 473.5+ 99 589.0+ 100 688.0+ 101 783.2+ 100 884.2+ 100 90.9+ 100 Name: s, dtype: int64 l box new_box 0 253 [194.6, 290.0) 194.6+ 1 468 [386.0, 473.5) 386.0+ 2 130 [90.9, 194.6) 90.9+ 3 476 [473.5, 589.0) 473.5+ 4 656 [589.0, 688.0) 589.0+
可以看出每个分箱内,约有100个数字。根据这个方法,可以自定义一些标签。
补充拓展:python 计算动态时点的百分位数
【说明】
1、动态时点:每次计算的数据框为截止于当前行的数据,即累计行(多次计算);
2、静态时点(当前时间):计算的数据框为所有行(一次计算);
【代码】
test = pd.DataFrame(np.random.randint(1, 10, size=10), columns=['value']) # 生成[1,10]的随机整数 test['pct_sf'] = test.index.map(lambda x: test.ix[:x].value.rank(pct=True)[x]) # 动态时点 test['pct'] = test.value.rank(pct=True) # 当前时点 test
以上是“如何使用python计算百分位数实现数据分箱”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注创新互联成都网站设计公司行业资讯频道!
另外有需要云服务器可以了解下创新互联scvps.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。
网站标题:如何使用python计算百分位数实现数据分箱-创新互联
文章URL:http://myzitong.com/article/igdse.html