Pandas数据处理(3): 数据分箱与行列名修改

6、数据分箱

import pandas as pd
import numpy as np
df=pd.read_csv("data/employees.csv").head(10)
df

	employee_id	name	department	position	salary	hire_date
0	EMP001	赵洋	产品部	数据分析师	3765	2022-02-02
1	EMP002	周磊	运营部	数据运营	5772	2021-11-25
2	EMP003	刘洋	产品部	需求分析师	2608	2024-09-29
3	EMP004	吴伟	市场部	活动执行	4699	2023-12-08
4	EMP005	张勇	人事部	培训专员	9277	2023-09-19
5	EMP006	李敏	人事部	招聘专员	3619	2021-09-05
6	EMP007	刘军	市场部	活动执行	3094	2025-05-05
7	EMP008	杨静	技术部	后端开发	3398	2024-07-19
8	EMP009	王伟	产品部	产品助理	3068	2023-06-24
9	EMP010	吴勇	市场部	市场策划	2278	2023-03-17

#均分成三段
pd.cut(df["salary"],bins=3).value_counts()

salary
(2271.001, 4611.0]    7
(4611.0, 6944.0]      2
(6944.0, 9277.0]      1
Name: count, dtype: int64

#自行定义分段范围
df["收入范围"]=pd.cut(df["salary"],bins=[0,2500,5000,10000],labels=["低","中","高"])
df

	employee_id	name	department	position	salary	hire_date	收入范围
0	EMP001	赵洋	产品部	数据分析师	3765	2022-02-02	中
1	EMP002	周磊	运营部	数据运营	5772	2021-11-25	高
2	EMP003	刘洋	产品部	需求分析师	2608	2024-09-29	中
3	EMP004	吴伟	市场部	活动执行	4699	2023-12-08	中
4	EMP005	张勇	人事部	培训专员	9277	2023-09-19	高
5	EMP006	李敏	人事部	招聘专员	3619	2021-09-05	中
6	EMP007	刘军	市场部	活动执行	3094	2025-05-05	中
7	EMP008	杨静	技术部	后端开发	3398	2024-07-19	中
8	EMP009	王伟	产品部	产品助理	3068	2023-06-24	中
9	EMP010	吴勇	市场部	市场策划	2278	2023-03-17	低

#等频率分割
pd.qcut(df["salary"],4).value_counts()

salary
(2277.999, 3074.5]    3
(4465.5, 9277.0]      3
(3074.5, 3508.5]      2
(3508.5, 4465.5]      2
Name: count, dtype: int64

#ser_index函数用于修改index列
df=pd.DataFrame({
    "name":["A","B","C","D"],
    "age":[20,30,40,50],
    "gender":["Female","Male","Female","Female"]
})
df.set_index("name")
# df.reset_index()
df

	name	age	gender
0	A	20	Female
1	B	30	Male
2	C	40	Female
3	D	50	Female

7、行列名修改

#rename函数用于修改columns和index
df.rename(columns={"name":"姓名"},index={0:4})

	姓名	age	gender
4	A	20	Female
1	B	30	Male
2	C	40	Female
3	D	50	Female

#也可以直接用访问修改
df.index=[10,20,30,40]
df.columns=["姓名","年龄","性别"]
df

	姓名	年龄	性别
10	A	20	Female
20	B	30	Male
30	C	40	Female
40	D	50	Female

********************