1、pd.cut函數有7個參數，主要用于對數據從最大值到最小值進行等距劃分

?pandas.cut(x,?bins,?right=True,?labels=None,?retbins=False,?precision=3,?include_lowest=False)

參數：

x?: 輸入待cut的一維數組

bins?: cut的段數，一般為整型，但也可以為序列向量。

right?: 布爾值，確定右區間是否開閉，取True時右區間閉合

labels?: 數組或布爾值，默認為None，用來標識分后的bins，長度必須與結果bins相等，返回值為整數或者對bins的標識

retbins?: 布爾值，可選。是否返回數值所在分組，Ture則返回

precision?: 整型，bins小數精度，也就是數據以幾位小數顯示

include_lowest?: 布爾類型，是否包含左區間

2、pd.qcut函數，按照數據出現頻率百分比劃分，比如要把數據分為四份，則四段分別是數據的0-25%，25%-50%，50%-75%，75%-100%

pd.qcut(x,?q,?labels=None,?retbins=False,?precision=3,?duplicates='raise')

代碼示例：

import numpy as np
from numpy import *
import pandas as pd
df = pd.DataFrame()
df['data'] = [1,2,2,2,2,6,7,8,9,0]#這里注意箱邊界值需要唯一，不然qcut時程序會報錯
df['cut']=pd.cut(df['data'],5)
df['qcut']=pd.qcut(df['data'],5)
df.head(10)

運行結果如圖：

可以看到cut列各個分段之間間距相等，qcut由于數據中‘2’較多，所以2附近間距較小，2之后的分段間距較大。?