Python 在探索性数据分析（EDA）中消除偏斜

很荣幸能在这里回答我的第一个问题：） 我在路上，我每天都会给一个自我介绍的数据科学家带来新的挑战。我今天的挑战是：

我举了一个例子，有人曾经通过pandas'cut'函数来存储值，但这并不能消除数据的高度偏斜：

(-0.512, 102.466]     838
(102.466, 204.932]     33
(204.932, 307.398]     17
(409.863, 512.329]      3
(307.398, 409.863]      0

因此，我将它们与pandas'qcut'组合在一起，以获得大部分大小均匀的垃圾箱（垃圾箱“价值”计数的分布没有“视觉”偏斜）：

我的直觉告诉我，在我读到通过“log”或“sqrt”f.e进行数据转换后，这不是处理扭曲数据的方法

我在这里比较苹果和桔子吗？：）

(7.854, 10.5]        184
(21.679, 39.688]     180
(-0.001, 7.854]      179
(39.688, 512.329]    176
(10.5, 21.679]       172