Pandas.qcut ve pandas.cut arasındaki fark nedir?

Belgeler şunu söylüyor:

http://pandas.pydata.org/pandas-docs/dev/basics.html

"Kesintisiz değerler, kesme (değerlere dayalı bölmeler) ve qcut (örnek niceliklerine dayalı kutular) işlevleri kullanılarak ayrılabilir"

Bana çok soyut geliyor ... Aşağıdaki örnekte farklılıkları görebiliyorum ama qcut (örnek nicelik) aslında ne anlama geliyor / ne anlama geliyor? Qcut ve cut ne zaman kullanılır?

Teşekkürler.

factors = np.random.randn(30)

In [11]:
pd.cut(factors, 5)
Out[11]:
[(-0.411, 0.575], (-0.411, 0.575], (-0.411, 0.575], (-0.411, 0.575], (0.575, 1.561], ..., (-0.411, 0.575], (-1.397, -0.411], (0.575, 1.561], (-2.388, -1.397], (-0.411, 0.575]]
Length: 30
Categories (5, object): [(-2.388, -1.397] < (-1.397, -0.411] < (-0.411, 0.575] < (0.575, 1.561] < (1.561, 2.547]]

In [14]:
pd.qcut(factors, 5)
Out[14]:
[(-0.348, 0.0899], (-0.348, 0.0899], (0.0899, 1.19], (0.0899, 1.19], (0.0899, 1.19], ..., (0.0899, 1.19], (-1.137, -0.348], (1.19, 2.547], [-2.383, -1.137], (-0.348, 0.0899]]
Length: 30
Categories (5, object): [[-2.383, -1.137] < (-1.137, -0.348] < (-0.348, 0.0899] < (0.0899, 1.19] < (1.19, 2.547]]`

Başlangıç ​​olarak, kuantillerin yüzdelikler, çeyrekler ve medyanlar gibi şeyler için en genel terim olduğunu unutmayın. Örneğinizde beş bölme belirttiniz, bu yüzden qcutbeşte birlik dilimler istiyorsunuz .

Dolayısıyla, ile beşte birlik qcutkısımlar istediğinizde, bölmeler seçilecektir, böylece her bölmede aynı sayıda kayda sahip olursunuz. 30 kaydınız var, bu nedenle her bölmede 6 tane olmalıdır (çıktınız şöyle görünmelidir, ancak rasgele çekiliş nedeniyle kesme noktaları farklı olacaktır):

pd.qcut(factors, 5).value_counts()

[-2.578, -0.829]    6
(-0.829, -0.36]     6
(-0.36, 0.366]      6
(0.366, 0.868]      6
(0.868, 2.617]      6

Tersine, cutsizin için daha düzensiz bir şey göreceksiniz:

pd.cut(factors, 5).value_counts()

(-2.583, -1.539]    5
(-1.539, -0.5]      5
(-0.5, 0.539]       9
(0.539, 1.578]      9
(1.578, 2.617]      2

Bunun nedeni cut, bölmelerin eşit aralıklarla yerleştirilmesini bu değerlerin frekansına göre değil, değerlere göre seçecek olmasıdır . Bu nedenle, rastgele bir normalden çektiğiniz için, iç bölmelerde daha yüksek, dış bölmede daha az frekans göreceksiniz. Bu, esasen bir histogramın (30 kayıtla oldukça çan şeklinde olmasını beklediğiniz) tablo şeklinde bir formudur.

• cut komutu eşit aralıklı bölmeler oluşturur ancak örneklerin sıklığı her bölmede eşit değildir
• qcut komutu eşit olmayan boyutta bölmeler oluşturur, ancak örneklerin sıklığı her bölmede eşittir.

    >>> x=np.array([24,  7,  2, 25, 22, 29])
    >>> x
    array([24,  7,  2, 25, 22, 29])

    >>> pd.cut(x,3).value_counts() #Bins size has equal interval of 9
    (2, 11.0]        2
    (11.0, 20.0]     0
    (20.0, 29.0]     4

    >>> pd.qcut(x,3).value_counts() #Equal frequecy of 2 in each bins
    (1.999, 17.0]     2
    (17.0, 24.333]    2
    (24.333, 29.0]    2

Bu nedenle qcut, numune alanında kümelenmiş olsalar bile her bölmedeki değerlerin daha eşit dağılımını sağlar. Bu, çok yakın değerlere sahip verilerle dolu bir bölmeye ve 0 değerli başka bir bölmeye sahip olma olasılığınızın daha düşük olduğu anlamına gelir. Genel olarak, daha iyi örnekleme.

Pd.qcut bir dizinin elemanlarını ((dizideki eleman sayısı) / (bölme sayısı - 1)) temelinde bölme yaparak dağıtır, sonra bu kadar no. her bölmede seri olarak öğeler.

Pd.cut bir dizinin elemanlarını ((ilk + son eleman) / (bölme sayısı-1)) temelinde bölme yaparak dağıtır ve sonra elemanı ait oldukları değer aralığına göre dağıtır.