在本文中，我们将探讨如何使用pandas.cut（）方法创建数据分析的数字和日期间隔。
什么是pandas.cut（）？
python pandas.cut（）是熊猫库中的一种方法，可让您将连续变量拆分为间隔。
此方法基于您指定的垃圾箱创建一个新的分类变量。
可以将垃圾箱指定为数字列表或许多均匀间隔的间隔。
此方法通常用于数据分析中，将连续数据分为类别或垃圾箱。这对于创建用于数据转换，时间序列分析并更有信息的类别很有用。
如果您想对这些主题有更深入的了解，我建议这本书 Python for Data Analysis ，这是有关如何使用Python处理数据的权威指南。您可以找到它 here 。
现在，让我们转到有关如何使用 pandas.cut（） method的第一个示例。
使用pandas.cut（）创建数字间隔
假设我们有一个学生成绩的数据集，我们希望将它们分类为字母等级（a，b，c，d和f）。
我们可以通过基于等级范围创建垃圾箱来做到这一点。
现在，让我们为成绩创建垃圾箱：
我们想将等级分为以下字母等级：F（60），D（60â69），C（70â79），B（80â89）和A（90â 100）。
我们可以使用 pandas.cut（）方法：
结果变量 letter_grades 是一个分类变量，数据集中每个等级的字母等级。
如果您愿意，您也可以对其进行排序和分组：
使用pandas.cut（）创建日期间隔
现在让我们看看如何使用pandas.cut（）创建日期间隔。
假设我们有一个日常销售数据集，我们希望将它们分为每月的间隔。我们可以通过根据一个月范围创建垃圾箱来做到这一点。
首先，再次，我们需要导入熊猫库并创建一个示例数据集：
现在，让我们为销售创建垃圾箱：
和标签：
我们想将销售分为每月的间隔。我们可以使用 pandas.cut（）方法来实现这一目标：
的结果是：
间隔中的数字对绘制简洁图表有用，在这种情况下，使用x轴中的月sales。它使图表更加紧凑，更易于阅读。
呈现数据时至关重要，如 Storytelling with Data 所述，这是有关如何与数据有效通信的确定手册。
找到它 here 。
结论
总而言之， pandas.cut（）是PANDAS库中的一种强大方法，可让您将连续变量拆分为间隔。
通过使用此方法，您可以创建用于数据分析的分类变量，并从原始数据中获取见解。
如果您想通过Python了解有关数据分析的更多信息，我强烈建议您以下书籍：