详解pd.cut函数

一、pd.cut用法

pd.cut()是一个用于将连续变量转换成离散变量的函数，通俗地说就是将一组数据按照一定的规则自动分成几段，然后用这几段来表示原来的数据。

二、pd.cut函数

pd.cut()函数的基本语法如下：

bins = [bin1, bin2, bin3, ....]
pd.cut(data, bins)

其中data为待分割的数据，bins为分割的规则。bins可以为数字，也可以为序列，如果为数字表示将整个数列分成几段，序列则表示每段指定具体的切分节点。

三、pd.cut函数判断区间

pd.cut()函数判断区间时默认是左开右闭，即分段区间为(left,right]。

四、pd.cut参数

在pd.cut()函数中，还有一些参数可以控制分段的方式，包括：

labels: 分段后每一段的标签。 include_lowest: 是否在最低区间间隔内，加入low_edge（最小值-0.1）。 right: 是否将值视为右限，默认为True。 precision: 仅对小数有效，设定小数的精度。

五、pd.cut左闭右开

控制pd.cut()函数的左闭右开用参数right，在pd.cut()函数中right默认为True，即右侧的区间与前一个区间相邻。

六、pd.cut函数股票

对于股票分组机制，我们通常需要在大量的指标中选择一些比较重要的数据，并按照一定的规则来使每只股票分别处于自己所在的分组，pd.cut()函数有很好的实用效果。

七、pd.cut设置bin

pd.cut()中的bin参数决定了将整个数列分割成几个等分点，bin参数可以是一个整数n，表示将整个数列等分成n等份。也可以是一个列表，表示用这些桶序列来分割数据。

例如，下列代码将序列s分割成5个等分点，生成6个分组：

import pandas as pd
import numpy as np

s = pd.Series(np.random.randn(100))
s = pd.Series(pd.cut(s, 5))
print(s.value_counts())

输出为：

(-2.082, -1.336]     22
(-1.336, -0.596]     35
(-0.596, 0.142]      26
(0.142, 0.881]       10
(0.881, 1.621]        7
dtype: int64

八、pd.cut后按顺序排列

pd.cut()默认会根据边缘数值进行排序。如果要根据切片顺序将结果排序（而不是按峰值），请将参数ordered设置为False。

九、pd.cut什么意思

pd.cut()函数将连续变量离散化成无序的 categorical 变量，是数据处理中的一个非常实用的函数。

十、pd.cut函数给股票分组

了解了pd.cut()函数的基本用法和相关参数，我们可以尝试将其应用到股票分组中，分组取权值的思路大概如下：

按照市值大小将所有股票分为若干组。 每组中按照一定的篇幅分层打分。 最后得到每个股票的大小分数。

实现起来，我们根据市值（net_asset_value）进行排序，将股票分为若干组，从而可以实现个股的分类。

示例代码如下：

import pandas as pd
import numpy as np

# 准备数据
data = pd.read_csv('example.csv')
data = data.sort_values('net_asset_value') # 按市值排序
data = data.reset_index(drop=True)

# 切分并保存分组
data['groups'] = pd.cut(data.index, bins=10, labels=range(10))

# 打分
data['points'] = np.exp(-(data.groups.astype(int) - 4) ** 2)

# 按得分排序并输出
data = data.sort_values('points', ascending=False)
print(data.head())