使用python 计算百分位数实现数据分箱代码

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 pdimport numpy as npimport randomt=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nanl_bin[-1]+=1/1e10print(’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) 100Name: s, dtype: int64新分箱统计new_box0.0+ 100194.6+ 99290.0+ 99386.0+ 102473.5+ 99589.0+ 100688.0+ 101783.2+ 100884.2+ 10090.9+ 100Name: s, dtype: int64 l box new_box0 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

以上这篇使用python 计算百分位数实现数据分箱代码就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持好吧啦网。