在對資料處理的過程中，經常會用到對不同閾值的資料貼上不同的標籤，或者將連續資料轉換成分類資料，pandas中的cut函式可以較好解決資料劃分不同標籤問題。

pandas.cut函式語法：

pandas.cut(x, 
        bins, 
        right=True, 
        labels=None, 
        retbins=False, 
        precision=3, 
        include_lowest=False, 
        duplicates='raise', 
        ordered=True
        )
 

引數解釋：

x ： 要進行分割的一維陣列。

bins ：整數，標量序列或者間隔索引，是進行分組的依據。

- 如果填入整數n，則表示將x中的數值分成等寬的n份（即每一組內的最大值與最小值之差約相等）；
- 如果是標量序列，序列中的數值表示用來分檔的分界值
- 如果是間隔索引，“ bins”的間隔索引必須不重疊

right：布林值，預設為True表示包含最右側的數值。

- 當right = True（預設值）時，則bins=[1、2、3、4]表示（1,2],（2,3],（3,4]
- 當bins是一個間隔索引時，該引數被忽略。

labels : 陣列或布林值，可選.指定分箱的標籤。

- 如果是陣列，長度要與分箱個數一致，比如bins=[1、2、3、4]表示（1,2]，（2,3],（3,4]一共3個區間，則labels的長度也就是標籤的個數也要是3
- 如果為False，則僅返回分箱的整數指示符，即x中的資料在第幾個箱子裡。
 

當bins是間隔索引時，將忽略此引數

retbins：是否顯示分箱的分界值。預設為False，當bins取整數時可以設定retbins=True以顯示分界值，得到劃分後的區間

precision：整數，預設3，儲存和顯示分箱標籤的精度。

include_lowest：布林值，表示區間的左邊是開還是閉，預設為false，也就是不包含區間左邊。

duplicates：如果分箱臨界值不唯一，則引發ValueError或丟棄非唯一。

栗子：

import numpy as np
import pandas as pd

分割成等寬的n等分，bins=n

x = np.array([1, 7, 5, 4, 6, 3])
pd.cut(x, bins=3)
 

分割等寬n等分並指定標籤

x = np.array([1, 7, 5, 4, 6, 3])
pd.cut(x, bins=3, labels=["bad", "medium", "good"])

只返回bin，設定labels=False

x = np.array([1, 7, 5, 4, 6, 3])
pd.cut(x, bins=3, labels=False)

結果表示數字1在第0號箱子，數字7在第2號箱子....

顯示分界值，retbins=True

bins傳入間隔索引

s = pd.Series(np.array([2, 4, 6, 8, 10]),
             index=['a', 'b','c', 'd', 'e'])
pd.cut(s, bins=[0, 2, 4, 6, 8, 10], labels=False, retbins=True, right=False) # 不設定標籤，顯示分界值，不含最右側值

bins傳入間隔索引存在重複資料

s = pd.Series(np.array([2, 4, 6, 8, 10]),
             index=['a', 'b','c', 'd', 'e'])
pd.cut(s, bins=[0, 2, 4, 6, 10, 10], labels=False, retbins=True, right=False
      , duplicates='drop') # 不設定標籤，顯示分界值，不含最右側值