python的等深分箱实例

更新时间：2020-08-09 04:00:01 作者：startmvc

背景当前很多文章尝试过最优分箱，python上也有cut等方法进行等宽分箱。为了方便日后输出

背景

当前很多文章尝试过最优分箱，python上也有cut等方法进行等宽分箱。为了方便日后输出结果以及分箱要求。做一个简单的轮子以供大家日后使用。很多能用其他轮子的地方也没有多余出力，也不托大会比别人写的好。空间复杂度尽我所能。

方法展示

话不多说上代码。

以下为等深分箱以及encoding方法


# -*- coding: utf-8 -*-
"""
Created on Tue Jan 29 17:26:38 2019
@author: DamomWCG
"""
 
 
 
class Equal_depth_box:
 
 def equal_box(list, bin_num):
 '''
 param:
 list:you need bin box list
 bin_num: you want bin num
 '''
 bin_num = 10
 list.sort() #need sort can replace by others
 list_2 = list.copy()
 all_num = len(list_2)
 bin_sep = all_num/bin_num
 bin_sep = int(bin_sep)
 bin_list = []
 for i in range(1,bin_num):
 bin_dict = {}
 bin_dict = i*bin_sep
 bin_list.append(bin_dict)
 bin_real_list = []
 for i in bin_list:
 #print(i)
 bin_real_dict = {}
 bin_real_dict = list[i]
 bin_real_list.append(bin_real_dict)
 
 return bin_real_list
 
 def replace_box(list_1,replace_list):
 '''
 param:
 list_1:you need bin list
 replace_list: from equal box, replace the original list
 '''
 import pandas as pd
 list_max = max(list_1)
 list_min = min(list_1)
 replace_list.insert(0,list_min -1) #insert start
 replace_list.append(list_max + 1) #insert end
 
 list_2 = pd.cut(list_1, bins = replace_list,
 labels = range(len(replace_list) - 1)).tolist()
 return list_2
 
 
 
 
 
if __name__ == '__main__':
 
 import random
 
 list_1 = random.sample(range(1000), 134)
 
 print(list_1.sort())
 
 print('real_list: {}'.format(list_1[0:50]))
 
 replace_list = bin_class.equal_box(list_1, 10)
 
 list_2 = bin_class.replace_box(list_1, replace_list)
 
 print('encode_list: {}'.format(list_2[0:50]))

原始git地址

https://github.com/DamonWCG/Equal_depth_box/blob/master/Equal_depth_box

使用案例

本案例数据为，我进行过一步的最优分箱，来做一步等深分箱来进行横向对比。

原始数据形式

具体案例


# -*- coding: utf-8 -*-
"""
Created on Wed Jan 30 16:17:19 2019
@author: DamonWCG
"""
 
from Equal_depth_box import *
 
import pandas as pd
 
df = pd.read_csv('test.csv', encoding = 'gbk')
 
df.columns
####需要分箱的列
list_1 = df['deal_city_encoding'].tolist() #本方法是针对于list，所以对于series需要进行变换
 
####需要分箱的个数
replace_list = Equal_depth_box.equal_box(list_1, 5) 
 
 
####替代的名称
 
##因为列表排序所以需要重新排序对齐，这里我有空再想想其他办法
df.sort_values(by="deal_city_encoding", inplace = True)
 
list_2 = Equal_depth_box.replace_box(list_1, replace_list)
 
df['deal_city_bin_encoding'] = list_2
 
 
 
df.to_csv('df.csv', encoding = 'gbk', index = False)

本方法现阶段encoding形式为数字型。

分箱最终结果形式