????等頻法是將相同數(shù)量的記錄放在每個(gè)區(qū)間，保證每個(gè)區(qū)間的數(shù)量基本一致。即將屬性值分為具有相同寬度的區(qū)間，區(qū)間的個(gè)數(shù)k根據(jù)實(shí)際情況來(lái)決定。比如有60個(gè)樣本，我們要將其分為k=3部分，則每部分的長(zhǎng)度為20個(gè)樣本。

? ? 我們隨機(jī)產(chǎn)生200個(gè)人的年齡數(shù)據(jù)，然后通過(guò)等寬離散化，并進(jìn)行可視化。這里主要使用的是pandas庫(kù)中的qcut函數(shù)。其缺點(diǎn)是邊界易出現(xiàn)重復(fù)值，如果為了刪除重復(fù)值可以設(shè)置?duplicates=‘drop’，但易出現(xiàn)于分片個(gè)數(shù)少于指定個(gè)數(shù)的問(wèn)題。其函數(shù)定義如下：

知識(shí)點(diǎn)：

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

x ：一維數(shù)組或者Serise

q ： 表示分位數(shù)的整數(shù)或者數(shù)組，

• 如果是分位數(shù)的整數(shù)，例如10用于十分位，4用于四分位

• 如果是分位數(shù)數(shù)組，例如[0,0.25,0.5,0.75,1]用于四分位數(shù)

labels ： 數(shù)組或者布爾值，默認(rèn)為none，用于指定每個(gè)箱體的標(biāo)簽

• 如果是數(shù)組，長(zhǎng)度要與分箱個(gè)數(shù)一致，比如用四分位數(shù)分箱，需要指定四個(gè)標(biāo)簽

• 如果為False，則僅返回分箱的整數(shù)指示符，即當(dāng)前數(shù)據(jù)位于哪個(gè)箱子中

rebines ：布爾值，可選。 是否顯示分箱的分界值。（由于是按照分位數(shù)進(jìn)行分箱，在不知道分位數(shù)具體數(shù)值的情況下，可以通過(guò)這個(gè)參數(shù)設(shè)置顯示分界值即分位數(shù)的具體數(shù)值）

precision：整數(shù)，默認(rèn)3，存儲(chǔ)和顯示分箱標(biāo)簽的精度。

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

pd.qcut()的參數(shù)就是這些了，并不是所有的參數(shù)都常用，下邊我們通過(guò)代碼示例來(lái)看一下常用參數(shù)的應(yīng)用。

我們利用pandas的qcut函數(shù)來(lái)進(jìn)行案例講解：

根據(jù)上面可以看出，每個(gè)區(qū)間數(shù)量大致相同。