轉發本文並私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)

經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas

前言

本系列已經有一篇文章介紹 pandas 中實現 Excel 的 vlookup 函數的方式，但是 vlookup 中還有一個"模糊匹配"的功能，主要用於分段匹配，今天就來看看 pandas 中是如何做到同等效果。

案例1

今天，你接到一份緊急的臨時需求，數據表格如下：

• 200百萬行的記錄
• 需要按照 分數 列，按規則計算出 評級

規則表如下：

• 這是特意為 Vlookup 而設計的規則表

若按 pandas 來設計規則表，那麼 Vlookup 的解決方式就會很麻煩。

怎麼辦？數據多到 Excel 也打不開，管你是 Vlookup 還是 Xlookup 也沒用。

多功能的 Vlookup

由於這次數據太多，用 Excel 已經不能打開此文件，因此我用少量數據簡單演示一下如何用 Vlookup 解決此問題：

• 其實就是最後一個參數輸入 1(True)，即可
• 很重要一點，規則表的 值 列，記得要排好序，否則結果錯亂你也不知道

pandas 中的分段匹配

這種需求在數據處理一般稱為"分箱"，pandas 中使用 cut 方法做到：

• 我們從 csv 讀取數據，從 Excel 中讀取規則表
• 注意這是 pandas 的頂層方法，因此是 pd.cut()
• 第1參數傳入判斷數據列
• 第2參數傳入規則表的 值 ，但是 cut 方法必需給定所有區間的邊界。像本例子的規則表，沒有高於120分的結束邊界，我們需要添加一個很大的值作為結束邊界
• 參數 right，設置為 False ，只是為了與 vlookup 效果一致而已，表示："右區間邊界開放"，比如：120分，被劃分到 A+ 評級
• 參數 labels，就是返回的結果

可以看到 pandas 可以輕鬆從任意數據源中讀取數據，本例中即使你的數據源在各種數據庫也是沒問題 注意，bins 沒有升序排序時，會報錯。這是非常好的設計

看文字很難理解，看看這個示意圖，應該清晰很多：

案例2：自動劃分

在實際分析工作中，你可能一開始並不清楚到底規則表的各個節點怎麼定義才合理。

比如你現在希望劃分3個段，但你不知道各個段之間的邊界怎麼定義才合理。那麼可以這樣子調用 cut 方法：

• cut 方法的第2參數，我們指定3，表示劃分3段
• 不指定參數 labels，這可以看到劃分的區間。

你也可以指定 labels：

最後的劃分結果儘可能每個區間數量平衡，來看看各區間的數量：

總結

• pd.cut() ，對數據做分箱處理
• 參數 bins 可以指定自己的規則表，也可以直接指定劃分段數目
• 指定劃分段數目時，會自動定義各個劃分區間
• 當指定的 bins 規則表沒有升序排序時，會報錯

需要源碼的小夥伴請轉發本文並私信我"python"

如果希望從零開始學習 pandas ，那麼可以看看我的 pandas 專欄。