数据切分就是将一组数据分隔为若干份。如果是把一段连续的值切分成若干段，每一段的值为一个分类，则可以将数据切分理解为把连续值转换成离散值的过程。

可以使用cut()函数来实现数据切分，该函数的原型为：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, 
duplicates='raise', ordered=True)

其参数的简要说明如下：

• x 被切分的类数组（array-like）数据，必须是1维的（不能用DataFrame）。

• bins 被切分后的区间。有3中形式：一个int型的标量、标量序列（数组）或者pandas.IntervalIndex。

• right 表示是否包含区间右部。bool型参数，默认为True。

• labels 给切分后的bins打标签，默认为None。labels的长度（个数）必须和切分后的区间长度（个数）相等。如果指定labels=False，则返回x中的数据在第几个bin中（从0开始）。

• retbins 表示是否返回切分后的bins，bool型的参数，默认为False。

• precision 保留区间小数点的位数，默认为3。

• include_lowest 表示区间的左边是开还是闭的，bool型的参数，默认为false，即不包含区间左部。

• duplicates 表示是否允许重复区间。当值为raise（默认）时表示不允许；值为drop时表示允许。

• ordered 决定labels是否进行排序，bool型参数，默认为True。

对于cut()函数的参数bins的取值，有以下规定：

• 一个int型的标量：当bins为一个int型的标量时，代表将x平分成bins份。x的范围在每侧扩展0.1%，以包括x的最大值和最小值。

• 标量序列（数组）：标量序列定义了被分割后每一个bin的区间边缘，此时x的范围不扩展。

• pandas.IntervalIndex：定义要使用的精确区间。

cut()函数的返回值是一个pandas.Categorical、Series或者ndarray类型的值，代表分区后x中的每个值在哪个区间中。如果指定了labels，则返回对应的label。当retbins=True时，还将同时返回分隔后的区间。

要将一组数据平均切分为若干份，可以将cut()函数的参数bins设为一个int型的标量，标量的值就是切分的份数。

import numpy as np
import pandas as pd
arr=np.arange(10)
print(arr)
print(pd.cut(arr,2))  # 将数组切分为2份

运行结果为：

[0 1 2 3 4 5 6 7 8 9]
[(-0.009, 4.5], (-0.009, 4.5], (-0.009, 4.5], (-0.009, 4.5], (-0.009, 4.5], 
(4.5, 9.0], (4.5, 9.0], (4.5, 9.0], (4.5, 9.0], (4.5, 9.0]]
Categories (2, interval[float64]): [(-0.009, 4.5] < (4.5, 9.0]]

以上示例中，参数bins为2，即将数组arr切分为2份,且区间两边都有扩展以包含每个区间的最大值和最小值。

注意：使用cut()函数时，参数x和bins可直接给出，而其他参数需要以“参数名=参数值”的形式给出。

除了平均切分，可以通过将bins设为一组标量序列来指定切分区间。

import numpy as np
import pandas as pd
arr=np.arange(10)
print(arr)
print(pd.cut(arr,[-1,4,8,12]))

运行结果为：

[0 1 2 3 4 5 6 7 8 9]
[(-1, 4], (-1, 4], (-1, 4], (-1, 4], (-1, 4], (4, 8], (4, 8], (4, 8], (4, 8], (8, 12]]
Categories (3, interval[int64]): [(-1, 4] < (4, 8] < (8, 12]]

以上示例中，包含4个值的列表创建了3个切分区间。

cut()函数的参数labels默认为None，可以通过设置该参数，为每个切分区间设置标签。

import numpy as np
import pandas as pd
arr=np.arange(10)
print(arr)
print(pd.cut(arr,[-1,4,8,12],labels=['A','B','C']))

运行结果为：

[0 1 2 3 4 5 6 7 8 9]
['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'C']
Categories (3, object): ['A' < 'B' < 'C']

由以上示例可见，参数labels的值替换了默认的区间名称。注意：标签的个数与区间数量必须一致。

cut()函数可以返回用于指定切分区间的bins的值，设置retbins=True即可。

import numpy as np
import pandas as pd
arr=np.arange(10)
print(arr)
print(pd.cut(arr,[-1,4,8,12],retbins=True))

运行结果为：

[0 1 2 3 4 5 6 7 8 9]
([(-1, 4], (-1, 4], (-1, 4], (-1, 4], (-1, 4], (4, 8], (4, 8], (4, 8], (4, 8], (8, 12]]
Categories (3, interval[int64]): [(-1, 4] < (4, 8] < (8, 12]], array([-1,  4,  8, 12]))

array([-1,  4,  8, 12])就是返回的bins。

对于cut()函数，设置labels=False，可以返回数据在区间的分布情况，即数据位于第几个区间。

import numpy as np
import pandas as pd
arr=np.arange(10)
print(arr)
print(pd.cut(arr,3,labels=False))

运行结果为：

[0 1 2 3 4 5 6 7 8 9]
[0 0 0 0 1 1 1 2 2 2]

区间的序列从0开始计数，以上示例中，0-3位于第0个区间，4-6位于第1个区间，7-9位于第2个区间。

qcut()函数与cut()函数相似，也可以用于数据的切分。cut()函数按照数据的值进行分割，而qcut函数则是根据数据本身的数量来对数据进行分割，并且尽量保证每个分组里变量的个数相同。

qcut()函数的原型为：

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

下面是一个示例：

import numpy as np
import pandas as pd
arr=np.arange(1,11)
print(arr)
print(pd.qcut(arr,2))

运行结果为：

[ 1  2  3  4  5  6  7  8  9 10]
[(0.999, 5.5], (0.999, 5.5], (0.999, 5.5], (0.999, 5.5], (0.999, 5.5], (5.5, 10.0], 
(5.5, 10.0], (5.5, 10.0], (5.5, 10.0], (5.5, 10.0]]
Categories (2, interval[float64]): [(0.999, 5.5] < (5.5, 10.0]]

qcut()函数不需要给出切分区间，只需要通过参数q给出切分的个数。