背景

當前很多文章嘗試過最優分箱，python上也有cut等方法進行等寬分箱。為了方便日後輸出結果以及分箱要求。做一個簡單的輪子以供大家日後使用。很多能用其他輪子的地方也沒有多餘出力，也不託大會比別人寫的好。空間複雜度盡我所能。

方法展示

話不多說上程式碼。

以下為等深分箱以及encoding方法

# -*- coding: utf-8 -*-
"""
Created on Tue Jan 29 17:26:38 2019
@author: DamomWCG
"""
 
 
 
class Equal_depth_box:
  
 def equal_box(list,bin_num):
  '''
  param:
  list:you need bin box list
  bin_num: you want bin num
  '''
  bin_num = 10
  list.sort() #need sort can replace by others
  list_2 = list.copy()
  all_num = len(list_2)
  bin_sep = all_num/bin_num
  bin_sep = int(bin_sep)
  bin_list = []
  for i in range(1,bin_num):
   bin_dict = {}
   bin_dict = i*bin_sep
   bin_list.append(bin_dict)
  bin_real_list = []
  for i in bin_list:
   #print(i)
   bin_real_dict = {}
   bin_real_dict = list[i]
   bin_real_list.append(bin_real_dict)
  
  return bin_real_list
  
 def replace_box(list_1,replace_list):
  '''
  param:
  list_1:you need bin list
  replace_list: from equal box,replace the original list
  '''
  import pandas as pd
  list_max = max(list_1)
  list_min = min(list_1)
  replace_list.insert(0,list_min -1) #insert start
  replace_list.append(list_max + 1) #insert end
 
  list_2 = pd.cut(list_1,bins = replace_list,labels = range(len(replace_list) - 1)).tolist()
  return list_2
  
  
  
 
 
if __name__ == '__main__':
 
  import random
  
  list_1 = random.sample(range(1000),134)
  
  print(list_1.sort())
  
  print('real_list: {}'.format(list_1[0:50]))
  
  replace_list = bin_class.equal_box(list_1,10)
 
  list_2 = bin_class.replace_box(list_1,replace_list)
  
  print('encode_list: {}'.format(list_2[0:50]))

原始git地址

https://github.com/DamonWCG/Equal_depth_box/blob/master/Equal_depth_box

使用案例

本案例資料為，我進行過一步的最優分箱，來做一步等深分箱來進行橫向對比。

原始資料形式

具體案例

# -*- coding: utf-8 -*-
"""
Created on Wed Jan 30 16:17:19 2019
@author: DamonWCG
"""
 
from Equal_depth_box import *
 
import pandas as pd
 
df = pd.read_csv('test.csv',encoding = 'gbk')
 
df.columns
####需要分箱的列
list_1 = df['deal_city_encoding'].tolist() #本方法是針對於list，所以對於series需要進行變換
 
####需要分箱的個數
replace_list = Equal_depth_box.equal_box(list_1,5) 
 
 
####替代的名稱
 
##因為列表排序所以需要重新排序對齊，這裡我有空再想想其他辦法
df.sort_values(by="deal_city_encoding",inplace = True)
 
list_2 = Equal_depth_box.replace_box(list_1,replace_list)
 
df['deal_city_bin_encoding'] = list_2
 
 
 
df.to_csv('df.csv',encoding = 'gbk',index = False)

本方法現階段encoding形式為數字型。

分箱最終結果形式

需要注意，我得列表形式重新decode時候需要按照當前排序陣列重新編碼，這個問題我年後會解決。

以上這篇python的等深分箱例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。