パンダのデータフレームの列カット - 平均値の周りにもっと多くのビンを追加します

Question

私は量的変数（例えば価格）を分類しています。平均値の周りでビンがずっと頻繁になるように分類したいと思います平均から。

私は、直線的な方法でnumpy.logspaceのおかげで対数的にcut（）する可能性があることを知りましたが、平均値をビニングすることは無効であると思われています。非効率的な。

Answer 1

あなたは直線的にサイズが大きくビン作ることができます。

import numpy as np 

def make_progressive_bins(min_x, max_x, mean_x, num_bins=10): 
    x_rel_lim = max(mean_x - min_x, mean_x - max_x) 
    num_bins_half = num_bins // 2 
    bins_right = np.arange(0, num_bins_half + 1) 
    if num_bins % 2 == 1: 
     bins_right = bins_right + 0.5 
    bins_right = np.cumsum(bins_right) 
    bins = np.concatenate([-bins_right[bins_right > 0][::-1], bins_right]) 
    bins = bins * (float(x_rel_lim)/bins[-1]) + mean_x 
    return bins 

をそしてあなたが好きそれを使用することができます。

import numpy as np 
import matplotlib.pyplot as plt 

bins = make_progressive_bins(-20, 50, 10, 15) 
plt.bar(bins - 0.1, np.ones_like(bins), 0.2) 

Answer 2

達成したいスクリプトを作成しましたが、作成した切り抜きオブジェクトをヒストグラムに変換してどのようにしたいかを確認する方法がわからないので、確認して教えてください私はそれが動作する場合:)

# Make normally distributed price with mean 50. 
df = pd.DataFrame(data=np.random.normal(50, size=1000), columns=['price']) 
df.hist(bins=30) 

num_bins = 100 

# I used a square function to distribute the bins more around 0 and 
# less at the outskirts of the range. 
shape_func = lambda x: x**2 

bin_loc = [shape_func(i) for i in range(num_bins//2)] 
mirrored_bin_loc = [-x for x in bin_loc[::-1]] 
bin_loc = mirrored_bin_loc + bin_loc[1:] 

# Rescale and translate bins 
data_mean = df.price.mean() 
data_range = df.price.max() - df.price.min() 
final_bin_loc = [(x + data_mean)/(data_range * num_bins) for x in bin_loc] 

# display(final_bin_loc) 
binned = pd.cut(df.price, bin_loc)