python分箱统计个数_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 pd

import numpy as np

import random

t=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nan

l_bin[-1]+=1/1e10

print('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))+'+')