pandas.cut，将一系列数据进行分组，对cut各参数的理解

# 导入模块
import pandas as pd
import numpy as np


# 使用 cut 的默认参数
# cut的作用：对数据进行分组处理。bins 默认是左开右闭。
# 本例中，是将 x 中的数据，逐个归类到 bins-“(1, 4], (4, 6], (6, 10]” 中。
pd.cut(x=np.array([1, 7, 5, 4, 6, 3]), bins=[1, 4, 6, 10])

""" 第1组：right 参数 """

# 1) True：左开右闭，( , ]
# 2) False：左闭右开，[ , )

pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], right=True)
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], right=False)

""" 第2组：labels与ordered 参数 """

# labels：分组后的组名     
# ordered：指定 labels 是否为有序数列。当 labels=False 时，必须指定 labels   
   
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], labels=["c", 'a', 'b'], ordered=True)
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], labels=["c", 'a', 'b'], ordered=False)
# pd.cut(np.array([1, 7, 5, 4, 6, 3]),  [1, 4, 6, 10], ordered=False)  # 这样会报错

""" 第3组：retbins 参数 """

# 是否返回 bins 值。当bins为一个int时，可以得到划分后的区间。  
  
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], labels=["c", 'a', 'b'], retbins=True)
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], labels=["c", 'a', 'b'], retbins=False)       

""" 第4组：precision 参数 """

# 指定 分组区间的小数点位数，默认为3 

pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3, precision=1)
pd.cut(np.array([1, 7, 5, 4, 6, 3]), 3, precision=2)                 

""" 第5组：include_lowest 参数 """

# 1) True：第一个区间的最小值，包含在内
# 2) False：第一个区间的最小值，不包含在内

pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], include_lowest=True)
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 10], include_lowest=False)  # 数字 1，没有包含在分组结果中      

""" 第6组：duplicates 参数 """

# 1) "raise"：如果分组包含重复，报错
# 2) "drop"：如果分组包含重复，删除重复值

pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 6, 10], duplicates="drop")  # 如果 bins 参数中的值存在重复，则报删除重复值
pd.cut(np.array([1, 7, 5, 4, 6, 3]), [1, 4, 6, 6, 10], duplicates="raise")  # 如果 bins 参数中的值存在重复，则报错