主要介绍了基于python 等频分箱qcut问题的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

对于百分位数，相信大家都比较熟悉，以下解释源引自百度百科。 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'])

在python 较新的版本中，pandas.qcut()这个函数中是有duplicates这个参数的，它能解决在等频分箱中遇到的重复值过多引起报错的问题； 在比较旧版本的python中，提供一下解决办法： import pandas as pd def pct_rank_qcut(series, n): ''' series：要分箱的列 n：箱子数 ''' edages = pd.series([i/n for i in range(n)] # 转换成百分比 func

关于变量分箱主要分为两大类：有监督型和无监督型 对应的分箱方法： A. 无监督：(1) 等宽 (2) 等频 (3) 聚类 B. 有监督：(1) 卡方分箱法(ChiMerge) (2) ID3、C4.5、CART等单变量决策树算法 (3) 信用评分建模的IV最大化分箱 等 本篇使用python，基于CART算法对连续变量进行最优分箱 由于CART是决策树分类算法，所以相当于是单变量决策树分类。 简单介绍下理论： CART是二叉树，每次仅进行二元分类，对于连续性变量，方法是依次计算相邻两元素值的中位

数据离散化 数据离散化就是分箱 一把你常用分箱方法是等频分箱或者等宽分箱 一般使用pd.cut或者pd.qcut函数 pandas.cut(x, bins, right=True, labels) x: 数据 bins: 离散化的数目，或者切分的区间 labels: 离散化后各个类别的标签 right: 是否包含区间右边的值 import pandas as pd import numpy as np import os os.getcwd() 'D:\\Jupyter\\notebook\