Python 如何通过等价划分将连续值转换为离散值

我想通过等效分区将数据帧列的连续值转换为离散值。 例如，下面是我的

输入

我想将列

a

中的连续值分成3个区间

输入：

import pandas as pd 
import numpy as np 
df = pd.DataFrame({'a':[1.1, 1.2, 1.3, 2.4, 2.5, 4.1]})

     a
0  1.1
1  1.2
2  1.3
3  2.4
4  2.5
5  4.1

输出：

import pandas as pd 
import numpy as np 
df = pd.DataFrame({'a':[1.1, 1.2, 1.3, 2.4, 2.5, 4.1]})

     a
0  1.1
1  1.2
2  1.3
3  2.4
4  2.5
5  4.1

在列

a

中，最小值为1.1，最大值为

4.1

，我想将其划分为

3个区间

如您所见，每个间隔的大小等于
（4.1-1.1）/3=1.0
。因此，我可以将
[1.1，2.1）
区间内的所有值（大于或等于
1.1
且小于
2.1
）视为
0
，将
[2.1，3.1）
区间内的所有值视为
1
，将
[3.1，4.1]
区间内的所有值视为
2

这是我的预期结果

应为：

   a
0  0
1  0
2  0
3  1
4  1
5  2

您可以将参数
right=False
用作：

pd.cut(df.a, bins=3, labels=np.arange(3), right=False)

0    0
1    0
2    0
3    1
4    1
5    2
Name: a, dtype: category
Categories (3, int64): [0 < 1 < 2]

pd.cut（df.a，bin=3，labels=np.arange（3），right=False）
0    0
1    0
2    0
3    1
4    1
5    2
名称：a，数据类型：类别
类别（3，int64）：[0<1<2]


装箱方式：

pd.cut(df.a, bins=3, right=False)

0      [1.1, 2.1)
1      [1.1, 2.1)
2      [1.1, 2.1)
3      [2.1, 3.1)
4      [2.1, 3.1)
5    [3.1, 4.103)
Name: a, dtype: category
Categories (3, interval[float64]): [[1.1, 2.1) < [2.1, 3.1) < [3.1, 4.103)]

pd.cut（df.a，bin=3，right=False）
0      [1.1, 2.1)
1      [1.1, 2.1)
2      [1.1, 2.1)
3      [2.1, 3.1)
4      [2.1, 3.1)
5    [3.1, 4.103)
名称：a，数据类型：类别
类别（3，区间[64]）：[[1.1,2.1）<[2.1,3.1）<[3.1,4.103]
您还可以使用
np.数字化
功能并定义箱子的变化以分配标签

np.digitize(df.a,np.arange(1.1,4.1,1)) - 1

输出：

让我们做
diff
和
cumsum

df.a=(~np.isclose(df.a.diff(),0.1)).cumsum()-1 # since it is float I am using close 
df
Out[395]: 
   a
0  0
1  0
2  0
3  1
4  1
5  2