Bỏ qua đến nội dung chính
Mục lục

pd.cut() và pd.qcut() trong pandas: chia khoảng giá trị

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 10/13 · Chương 5

GroupBy, map và apply

  • 7 phút
  • Trung cấp
  • Python 3.14
  • Cập nhật

Hàm pd.cut() của pandas (pandas cut) chia một cột số thành các khoảng theo mốc bạn tự đặt, như chi tiêu dưới 1 triệu là hạng Đồng, từ 1 đến 5 triệu là Bạc. pd.qcut() thì chia theo phân vị, để mỗi nhóm có số phần tử gần bằng nhau. Bạn dùng chúng khi cần biến một con số liên tục thành hạng để đếm, gom hay đặt chính sách theo hạng.

Cần biết trước: thống kê mô tả, map() và replace(), groupby() và list.

Chia khoảng theo mốc bằng pd.cut()

pd.cut(s, bins=moc) nhận một Series số và một list mốc tăng dần. Hai mốc liền nhau tạo một khoảng, nên bốn mốc cho ba khoảng. Chi tiêu năm nay của năm khách:

python
import pandas as pd

chi = pd.Series([450000, 2500000, 1000000, 8000000, 300000],
                index=["An", "Bình", "Chi", "Dũng", "Hạnh"])
khoang = pd.cut(chi, bins=[0, 1000000, 5000000, 20000000])
print(khoang.astype(str))

KẾT QUẢ

An             (0, 1000000]
Bình     (1000000, 5000000]
Chi            (0, 1000000]
Dũng    (5000000, 20000000]
Hạnh           (0, 1000000]
dtype: str

Mỗi giá trị được thay bằng khoảng chứa nó. Cách viết (0, 1000000] theo ký hiệu toán: ngoặc tròn là không lấy mép đó, ngoặc vuông là có lấy. Chi tiêu đúng 1.000.000 đ của Chi vì thế nằm trong khoảng đầu. astype(str) đổi khoảng thành chữ để in gọn; kết quả gốc của pd.cut() có kiểu category, kiểu của bài sau.

Gắn nhãn hạng bằng labels=

Tên khoảng như (1000000, 5000000] khó đọc trong báo cáo. Tham số labels= nhận một list tên, mỗi khoảng một tên, theo thứ tự từ khoảng thấp nhất:

python
import pandas as pd

chi = pd.Series([450000, 2500000, 1000000, 8000000, 300000],
                index=["An", "Bình", "Chi", "Dũng", "Hạnh"])
moc = [0, 1000000, 5000000, 20000000]
hang = pd.cut(chi, bins=moc, labels=["Đồng", "Bạc", "Vàng"])
print(hang)

KẾT QUẢ

An      Đồng
Bình     Bạc
Chi     Đồng
Dũng    Vàng
Hạnh    Đồng
dtype: category
Categories (3, str): ['Đồng' < 'Bạc' < 'Vàng']

Số nhãn phải bằng số khoảng, tức ít hơn số mốc một. Dòng cuối cho thấy pandas ghi nhớ thứ tự 'Đồng' < 'Bạc' < 'Vàng', nên kết quả sắp và so sánh được theo hạng. Hình dung pd.cut() như những vạch kẻ trên thước: mỗi giá trị rơi vào ô giữa hai vạch, và ô nào cũng có tên. Bạn có thể làm việc này bằng apply() với chuỗi if, nhưng pd.cut() ngắn hơn và nhanh hơn. Đổi "Vàng" thành "Kim cương" rồi chạy lại: dòng của Dũng in Kim cương.

Chọn mép của khoảng bằng right=

Mặc định right=True: khoảng lấy mép phải, như (0, 1000000]. Quy định của cửa hàng thường viết "từ 1 triệu trở lên là Bạc", tức mép trái mới được lấy. Đặt right=False để khoảng thành [0, 1000000):

python
import pandas as pd

chi = pd.Series([450000, 2500000, 1000000, 8000000, 300000],
                index=["An", "Bình", "Chi", "Dũng", "Hạnh"])
moc = [0, 1000000, 5000000, 20000000]
ten = ["Đồng", "Bạc", "Vàng"]
phai = pd.cut(chi, bins=moc, labels=ten)
trai = pd.cut(chi, bins=moc, labels=ten, right=False)
print(phai["Chi"], trai["Chi"])

KẾT QUẢ

Đồng Bạc

Chi tiêu đúng 1.000.000 đ, Chi là Đồng với mặc định và là Bạc với right=False. Chỉ các giá trị nằm đúng mốc mới bị ảnh hưởng, nhưng đó lại là những khách hay hỏi lại. Đọc kỹ chữ "từ", "trên", "dưới" trong quy định trước khi chọn right=.

Chia đều số phần tử bằng pd.qcut()

pd.cut() dùng mốc bạn đặt, nên các nhóm có thể rất lệch. pd.qcut(s, q=3) tự tìm mốc tại các phân vị để chia s thành 3 nhóm gần bằng số phần tử. Trên don_hang.csv của bộ dữ liệu thực hành, so hai cách trên tổng chi của từng khách:

python
import pandas as pd

don = pd.read_csv("don_hang.csv")
don["tien"] = don["so_luong"] * don["don_gia"]
chi = don.groupby("ma_kh")["tien"].sum()
moc = [0, 1000000, 3000000, chi.max()]
hang = pd.cut(chi, bins=moc, labels=["Đồng", "Bạc", "Vàng"])
print(hang.value_counts(sort=False))
nhom = pd.qcut(chi, q=3, labels=["Thấp", "Giữa", "Cao"])
print(nhom.value_counts(sort=False))

KẾT QUẢ

tien
Đồng    215
Bạc      67
Vàng     18
Name: count, dtype: int64
tien
Thấp    100
Giữa    100
Cao     100
Name: count, dtype: int64

Với mốc 1 triệu và 3 triệu, 215 trong 300 khách là Đồng, chỉ 18 khách là Vàng. pd.qcut() chia 300 khách thành ba nhóm 100 người, bất kể mỗi nhóm chi bao nhiêu. sort=False giữ thứ tự hạng thay vì sắp theo số đếm. Dùng pd.cut() khi mốc có ý nghĩa nghiệp vụ, như chính sách thẻ thành viên; dùng pd.qcut() khi bạn muốn so nhóm cao nhất với nhóm thấp nhất theo tỉ lệ khách.

Kiểm tra nhanh

  1. Sau import pandas as pd, pd.cut(pd.Series([5, 10]), bins=[0, 5, 10], labels=["A", "B"], right=False).to_list() cho kết quả gì?

    • ['A', 'B']
    • ['B', nan]
    • ['A', 'A']
    • ['B', 'B']
  2. Trong khung bẫy, vì sao khách Khoa có hạng nan?

    • Vì pd.cut() không nhận số 0
    • Vì khoảng đầu (0, 1000000] không lấy mép trái 0
    • Vì nhãn có ít hơn số mốc
  3. Quy định: dưới 5 triệu là Thường, từ 5 triệu trở lên là VIP, chi tiêu tối đa 50 triệu. Những lệnh nào làm đúng?

    • pd.cut(chi, bins=[0, 5000000, 50000001], labels=["Thường", "VIP"], right=False)
    • pd.cut(chi, bins=[0, 5000000, 50000000], labels=["Thường", "VIP"])
    • pd.cut(chi, bins=[-1, 4999999, 50000000], labels=["Thường", "VIP"])
    • pd.qcut(chi, q=2, labels=["Thường", "VIP"])
  4. Bạn muốn chia 1.000 học viên thành 4 nhóm đều người theo điểm. Hàm nào hợp hơn?

    • pd.cut(diem, bins=4)
    • pd.qcut(diem, q=4)
    • diem.map(4)
Đúng hết lần đầu +15 XP

Bài tập

Xếp loại học lực theo điểm

Series diem ghi điểm trung bình (thang 10) của học viên một lớp luyện thi, index là tên. Viết thân hàm xep_loai(diem) xếp loại từng người:

  • Dưới 5 là Yếu; từ 5 đến dưới 6,5 là Trung bình.

  • Từ 6,5 đến dưới 8 là Khá; từ 8 trở lên là Giỏi, kể cả điểm 10.

Kết quả giữ index của diem. Hàm không sửa diem của nơi gọi.

Trả về: loại học lực của từng người, một Series.

python
import pandas as pd

def xep_loai(diem):
    pass  # Viết thân hàm thay cho dòng này

Tóm tắt

  • pd.cut(s, bins=moc) đặt mỗi giá trị vào khoảng giữa hai mốc liền nhau; n mốc cho n - 1 khoảng.

  • labels= đặt tên cho các khoảng theo thứ tự từ thấp lên cao, số nhãn bằng số khoảng.

  • Mặc định khoảng lấy mép phải (a, b]; right=False lấy mép trái [a, b) cho quy định "từ ... trở lên".

  • Giá trị nằm ngoài các khoảng thành NaN mà không báo lỗi; đặt mốc bao trọn dữ liệu.

  • pd.qcut(s, q=k) chia theo phân vị thành k nhóm gần bằng số phần tử.

Câu hỏi thường gặp

pd cut khác qcut ở đâu?

pd.cut() dùng mốc giá trị: bạn quyết định ranh giới, số phần tử mỗi nhóm tùy dữ liệu. pd.qcut() dùng phân vị: số phần tử mỗi nhóm gần bằng nhau, ranh giới tùy dữ liệu. Phân vị là gì có ở bài thống kê mô tả, phần quantile().

Đếm số khách của mỗi hạng sau khi cut thế nào?

Gọi value_counts(sort=False) trên kết quả như ví dụ của bài, hoặc gán kết quả thành cột rồi gom: df.groupby("hang")["ma_kh"].count(). Từ pandas 3, groupby() trên cột category mặc định bỏ hạng không có dòng nào; muốn thấy cả hạng rỗng với số 0 thì ghi observed=False.

Lấy được các mốc mà qcut tự tìm không?

Được: thêm retbins=True, pd.qcut(s, q=3, retbins=True) trả về một tuple gồm kết quả và mảng các mốc. Mốc này hữu ích khi bạn muốn ghi lại ranh giới nhóm vào báo cáo.

Kết quả của pd.cut() có kiểu gì?

Kiểu category có thứ tự, như dòng Categories (3, str): ['Đồng' < 'Bạc' < 'Vàng'] của ví dụ. Kiểu này tiết kiệm bộ nhớ và sắp đúng theo hạng thay vì theo chữ cái; bài category dạy kỹ.

Chủ đề

pandas cut

Dữ liệu của bài

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập