任何事情都是由量变到质变的过程，学习Python也不例外。
只有把一个语言中的常用函数了如指掌了，才能在处理问题的过程中得心应手，快速地找到最优方案。
本文和你一起来探索Python中的cut函数，让你以最短的时间明白这个函数的原理。
也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。
本文目录
- cut函数定义
- cut函数实例 2.1 导入库并加载数据 2.1 原始数据分布 2.3 用cut函数按指定数目切分 2.4 用cut函数按切割点切分 2.5 测试cut函数中的right参数 2.6 测试cut函数中的labels参数
一、cut函数定义
代码语言：javascript复制cut函数使用需先调用pandas库，它主要用于将数组元素分成不同的箱。其基本调用语法如下：
代码语言：javascript复制pd.cut(x, bins, right: bool = True, labels=None, retbins: bool = False, precision: int = 3, include_lowest: bool = False, duplicates: str = 'raise')x：待切割的一维数组。bins：定义切割数组的方式，如果为数值，表示把数组均分切分为几段。如果为列表，表示切割时各段的间隔点。right：表示切割后区间的右边是否闭合，默认值为True。labels：切割后的区间是否打标签。二、cut函数实例在对客户管理数据进行建模分析时，需要对原始数据进行预处理，包括运用cut函数对某些列进行平滑处理。
1 导入库并加载数据首先，加载库并导入数据。import os import randomimport numpy as npimport pandas as pd
#2.数据读取os.chdir(r'F:公众号4.决策树和随机森林')ori_date = pd.read_csv("customer.csv")
2 原始数据分布接着，看下原始数据中客户拥有银行卡片的分布情况，代码如下：ori_date['num_cars_owned'].value_counts()得到结果：2 31033 29131 22664 14120 587Name: num_cars_owned, dtype: int64从结果知，客户拥有的银行卡数目从0到4。
3 用cut函数按指定数目切分现在我们想把客户进行分类，假设我们想把客户分成3类，并统计三类的分布，代码如下：pd.cut(ori_date['num_cars_owned'], 3).value_counts()此时x为ori_date['num_cars_owned']，bins=3。得到结果：(2.667, 4.0] 4325(1.333, 2.667] 3103(-0.004, 1.333] 2853Name: num_cars_owned, dtype: int64可以发现0到1分成了一组，2单独分成了1组，3到4分成了1组。这种分组的原理是尽可能等分每组的数目。
4 用cut函数按切隔点切分除了可以指定分组的数目，也可以设置分组的切割点。
比如首先区分是否有银行卡，在有银行卡的客户中区分银行卡的数目是否超过2，代码如下：pd.cut(ori_date['num_cars_owned'], [-1, 0, 2, 4]).value_counts()得到结果：(0, 2] 5369(2, 4] 4325(-1, 0] 587Name: num_cars_owned, dtype: int64可以发现0分到了一组，1和2分到了一组，3和4分到了一组。
5 测试cut函数中的right参数测试一下right函数为False的结果，代码如下：
pd.cut(ori_date['num_cars_owned'], [-1, 0, 2, 4], right='False').value_counts()得到结果：(0, 2] 5369(2, 4] 4325(-1, 0] 587Name: num_cars_owned, dtype: int64从结果知，right为False的结果和right为True的结果一致，右区间依然闭合。
6 测试cut函数中的labels参数最后，给分组后的箱加标签，代码如下：
pd.cut(ori_date['num_cars_owned'], [-1, 0, 2, 4], labels=['group1', 'group2', 'group3']).value_counts()得到结果：group2 5369group3 4325group1 587Name: num_cars_owned, dtype: int64从结果知，labels参数赋值只是把原来的分组用标签替换了。至此，Python中的cut函数已讲解完毕，如想了解更多Python中的函数，可以翻看公众号中“学习Python”模块相关文章。
