연속형 데이터 구간 분리 [qcut() & cut()]

데이터프레임 내 자료를 자르는 방법 (Pandas)

참고자료: soyyeong

qcut()

• 상대구간(퍼센타일)으로 값을 나눔
  • 단일 값: 구간을 몇 개로 나눌 것인지
  • 리스트 형태의 다중 값: 해당 값들을 기준으로 구간을 나눔
  • 각 구간의 데이터 개수가 동일하도록 데이터 기준 분리

cut()

• 절대구간(특정 값 기준)으로 값을 나눔

Parameters

def create_bins(series, method='quantile', bins=10, labels=None) :

    if method == 'quantile' :
        binned = pd.qcut(series, q=bins, labels=labels, duplicates='drop')
        # qcut: 상대구간(퍼센타일)으로 값을 나눔
    elif method == 'uniform' : 
        binned = pd.cut(series, bins=bins, labels=labels)
        # cut: 절대구간(기준)으로 값을 나눔
    else :
        raise ValueError("method는 'quentile' 또는 'uniform만 가능합니다.")

    return binned

1. series: 데이터 매트릭스(df)
2. method: 연속형 데이터의 구간화 형태 (quantile / uniform)
3. q or bins : 데이터 구분 기준 (구간 수 & 특정 값 등)
4. labels : 구간 이름 리스트 (default None -> 자동 생성)
5. duplicates : qcut(상수값 처리) 시 중복값 처리 방법

구간화 종류	quantile	uniform
구간 분리 기준	데이터 개수	컬럼값의 전체 범위
사용 함수	pd.qcut()	pd.cut()
사용 상황	데이터 분포가 치우쳐 있고 bin별로 균등한 비교가 필요한 경우	값의 범위 자체가 중요할 때

---

구간 분리의 이점

1. 데이터 노이즈 감소
2. 해석이 단순해짐
3. 연속값 자체(count)가 아닌 비율로서 판단하므로, 목표 변수에 대한 영향도를 보다 정확히 측정 가능

구간 분리의 유의점

1. 데이터 손실 가능
2. 이상치(또는 특정값) 고려 어려울 수 있음

---

결과값 해석

temp = create_bins(df['TotalCharges'])

print(temp)

원본 데이터	qcut 후 데이터

• qcut 후 각 데이터의 의미 : 기존 데이터가 어느 구간에 속해있는가
  • (a.b] : a이상 b미만