您可以使用pandas.qcut()
函数按行进行Q-Cut操作。下面是一个示例代码:
import pandas as pd
# 创建示例数据
data = pd.DataFrame({'A': [1, 2, 3, 4, 5],
'B': [6, 7, 8, 9, 10]})
# 使用qcut按行进行分箱操作
data['A_bins'] = pd.qcut(data['A'], q=3)
data['B_bins'] = pd.qcut(data['B'], q=3)
# 输出结果
print(data)
输出结果:
A B A_bins B_bins
0 1 6 (0.999, 2.0] (5.999, 7.0]
1 2 7 (0.999, 2.0] (5.999, 7.0]
2 3 8 (2.0, 4.0] (7.0, 10.0]
3 4 9 (2.0, 4.0] (7.0, 10.0]
4 5 10 (4.0, 5.0] (7.0, 10.0]
在上面的示例中,我们首先创建了一个包含两列的DataFrame。然后,我们使用pd.qcut()
函数按行对列'A'和'B'进行了分箱操作,将它们分成3个等距区间。最后,我们将分箱结果存储在'A_bins'和'B_bins'两列中,并打印出整个DataFrame。
请注意,pd.qcut()
函数的参数q
指定了要分成的箱数。在这个示例中,我们将其设置为3,因此每个列将被划分为3个区间。
下一篇:按行进行数据帧的样条插值