は、データ分析でパンダ

で列をビニングすることができますが、その表現と分析を簡素化するためにデータをカテゴリにビンすることがしばしば役立ちます。これは、以下に示すように、

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

bins = [0、1、5、10、25、50、100] df ['binned'] = pd.cut（df ['パーセンテージ']、ビン） print（df.groupby（df ['Binned']） np.searchsorted（bins、df ['パーセンテージ']。値） print（df.groupby（df ['binned']）。size（）） 両方の方法は、次の出力を返します：

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

この出力は、ビンに値がないことを示しています（0、1]、（1、5]、（5、10]、および（10、25]。ビン（25、50]、および1つの値がビンに落ちます（50、100]。