[Pandas] 범주형(category) 데이터처리 / 구간분할(pd.cut, np.histogram)

범주형(category) 데이터 처리

---

구간 분할

연속형 데이터를 그대로 사용하기 보다는 일정한 구간(bin)으로 나눠서 분석하는 것이 효율적인 경우가 있다. 이를 구간 분할(binning) 이라고 하고 pandas의 cut 함수를 사용한다.

▶ 라이브러리 import

import pandas as pd
import numpy as np

 

▶ NaN값 처리

# horsepower 열의 NaN 삭제
df.dropna(subset=['horsepower'], inplace=True)
# horsepower 열의 NaN 값 개수 확인
df.horsepower.isna().sum()  # 0

 

▶ np.histogram 함수 사용해서 열 분리

# horsepower 열을 bins 옵션으로 3개로 분리 실행
# bins:구간 분할 개수
count, bin_dividers = np.histogram(df.horsepower, bins=3)

# bin에 의해 나눠진 각 구간의 값의 개수
count
# array([257, 103,  32])

# bins 구간을 나눈 경계값
bin_dividers
# array([ 46.        , 107.33333333, 168.66666667, 230.        ])

print(df.horsepower.min())  # 46.0  최소값이 bin_dividers의 시작 값
print(df.horsepower.max())  # 230.0  최대값이 bin_dividers의 끝 값

 

▶ bin의 이름 지정

bin_names = ['저출력', '보통출력', '고출력']

 

▶ pd.cut 함수

# pd.cut 함수로 각 데이터를 3개의 bin에 할당
df['hp_bin'] = pd.cut(x = df.horsepower, 
                      bins = bin_dividers, #bins : 경계값 옵션
                      labels= bin_names, #labels : bin에 이름 붙이기                
                      include_lowest=True) #include_lowest : 첫 경계값 포함 옵션

# hp_bin 열 확인
df