使用pandas进行数据分箱与频率统计的完整示例

半杯拿铁

发布时间：2026-10-13| 6人浏览过

原创

本文通过具体代码示例，演示如何利用pandas库对销售数据进行区间划分（分箱）并计算各区间频率。主要涉及pd.cut函数的区间设置、value_counts统计频数，以及通过DataFrame操作计算频率百分比与累计频率，最终结合matplotlib生成条形图可视化结果。

pandas分区间与频率统计实现

具体实现过程如下所示：


import pandas as pd
path='F:/python/python数据分析与挖掘实战/图书配套数据、代码/chapter3/demo/data/catering_fish_congee.xls'
data=pd.read_excel(path,header=None,index_col=0)
data.index.name='日期'
data.columns=['销售额(元)']
 
xse=data['销售额(元)']
print(xse.max())
print(xse.min())
print(xse.max()-xse.min())
 
fanwei=list(range(0,4500,500))
fenzu=pd.cut(xse.values,fanwei,right=False)#分组区间,长度91
print(fenzu.codes)#标签
print(fenzu.categories)#分组区间，长度8
pinshu=fenzu.value_counts()#series,区间-个数
print(pinshu.index)
 
import matplotlib.pyplot as plt
pinshu.plot(kind='bar')
#plt.text(0,29,str(29))
 
 
qujian=pd.cut(xse,fanwei,right=False)
data['区间']=qujian.values
data.groupby('区间').median()
data.groupby('区间').mean()#每个区间平均数
 
pinshu_df=pd.DataFrame(pinshu,columns=['频数'])
pinshu_df['频率f']=pinshu_df / pinshu_df['频数'].sum()
pinshu_df['频率%']=pinshu_df['频率f'].map(lambda x:'%.2f%%'%(x*100))
 
pinshu_df['累计频率f']=pinshu_df['频率f'].cumsum()
pinshu_df['累计频率%']=pinshu_df['累计频率f'].map(lambda x:'%.4f%%'%(x*100))
 
In[158]: pinshu_df
Out[158]: 
       频数    频率f   频率%   累计频率f   累计频率%
[0, 500)   29 0.318681 31.87% 0.318681  31.8681%
[500, 1000)  20 0.219780 21.98% 0.538462  53.8462%
[1000, 1500) 12 0.131868 13.19% 0.670330  67.0330%
[1500, 2000) 12 0.131868 13.19% 0.802198  80.2198%
[2000, 2500)  8 0.087912  8.79% 0.890110  89.0110%
[2500, 3000)  3 0.032967  3.30% 0.923077  92.3077%
[3000, 3500)  4 0.043956  4.40% 0.967033  96.7033%
[3500, 4000)  3 0.032967  3.30% 1.000000 100.0000%