• qcut 分组后保证每组含有的 数据几乎一样多 ，每组的边界会被反算出来
• cut 自定义每组的边界 ，每组组含有的数据个数不同

首先引入要用到的工具包：

import pandas as pd
import numpy as np
import seaborn as sns
sns.set_style('whitegrid')

数据

本贴继续使用 上贴 的数据，回顾一下是 2018 年的销售数据。接下来用 info(), head(), tail() 几个函数来看看数据集的大小、行标签和列标签。

raw_df = pd.read_excel('sales.xlsx')
raw_df.info()

raw_df.head(3).append(raw_df.tail(3))

将其按 account number 和 name 分组，并对 ext price 加总得到：

df = raw_df.groupby(['account number', 'name'])['ext price'].sum().reset_index()
df.inf()

df

cut

在实际案例中，可通过业务规则定义箱。就拿新加坡航空公司飞行会员计划，25,000 英里是银卡 (silver) 而 50,000 英里是金卡 (gold)，并且它 不会根据数据的年度变化而变化 。如果我们要定义箱边界 (25,000, 50,000)，我们就不能使用 qcut 而是 cut 了，因为后者可以自定义箱边界。

首先将数据分成四个箱，注意每个箱的上界和下界之差为 32,265。

pd.cut(df['ext price'], bins=4)

我们来看看每组的分布，很显然每组含的数据个数分别是 12，5，2，1，都不一样。这就是 cut 和 qcut 最重要的差别。

pd.cut(df['ext price'], bins=4).value_counts()

接下来定义箱的确切边界，通过设置参数 bins 即可。

cut_labels_4 = ['silver', 'gold', 'platinum', 'diamond']