python的等深分箱实例

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

需要注意，我得列表形式重新decode时候需要按照当前排序数组重新编码，这个问题我年后会解决。

来源：https://blog.csdn.net/weixin_40192436/article/details/86706231