binning una columna con pandas

en el análisis de datos, a menudo es útil reducir los datos en categorías para simplificar su representación y análisis. Esta es una técnica común cuando se trabaja con datos numéricos, como cuando se trata de porcentajes.

Suponga que tenemos una columna de marco de datos llamada "porcentaje" que contiene valores numéricos, como se muestra a continuación:

df['percentage'].head()
46.5
44.2
100.0
42.12

para contener esta columna y obtener los recuentos de valor para cada contenedor, podemos usar la función pd.cut. Aquí hay dos formas de lograr esto:

usando pd.cut con value_counts:

bins = [0, 1, 5, 10, 25, 50, 100]
df['binned'] = pd.cut(df['percentage'], bins)
print(df.groupby(df['binned']).size())

usando np.searchSorted y groupby:

df['binned'] = np.searchsorted(bins, df['percentage'].values)
print(df.groupby(df['binned']).size())

ambos métodos devolverán la siguiente salida:

percentage
(0, 1]       0
(1, 5]       0
(5, 10]      0
(10, 25]     0
(25, 50]     3
(50, 100]    1
dtype: int64

Esta salida indica que no hay valores en los contenedores (0, 1], (1, 5], (5, 10] y (10, 25]. Tres valores caen en el Bin (25, 50], y un valor cae en el contenedor (50, 100].