定义：通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小。在一些问题中，我们只关心n个数字之间的相对大小关系，而不关心它们具体是多少。因此，我们可以用一种叫离散化的技术来将数字映射到 1 ∼ n 的整数， 从而降低问题规模，简化运算。

    连续值经常需要离散化，或者分离成“箱子”进行分析，先来看一个简单的例子，我想将年龄按照15-30,30-45,45-60进行划分分组，可以使用cut方法

ages = np.random.randint(20,60,size =(20))
ages

bins = [15,30,45,60]
cats = pd.cut(ages,bins)
cats

    pd.cut返回的对象是一个特殊的Categorical对象。我们可以把它当做一个表示箱名的字符串数组，它在内部包含一个categories （类别）数组，它指定了不同的类别名称以及codes属性中的ages数据标签

cats.codes

cats.categories

    我们可以使用value_counts函数统计出箱的数量

pd.value_counts(cats)

    这个统计看着有点不习惯，可以使用right=False来修改统计区间

cats = pd.cut(ages,bins,right=False)
pd.value_counts(cats)

    我们也可以在cut函数中传入自定义的labels标签

cats = pd.cut(ages,bins,\
              labels=['young','middle','old'])
pd.value_counts(cats)

    上面我是已经定义好了箱子bins的分布情况，但是我们也可以传递整数个箱来代替显式的箱边，pandas会根据数据中的最大值和最小值计算出等长的箱，示例如下

data = np.random.randn(100)
pd.cut(data, 4, precision=2)

pd.cut(data, 4, precision=2).value_counts()

    通过对上面的cut函数的演示，我们可以看到cut通常不会使每个箱具有相同数据量的数据点，而当我们想让样本在每个箱里面的分布数量相等时，就可以考虑使用qcut函数了，qcut函数基于样本分位数进行分箱（Quantile-based discretization function.），前面的q指代的就是Quantile（分位数）。由于qcut使用样本的分位数，所以可以通过qcut获得等长的箱：

data = np.random.randn(100)

cats = pd.qcut(data,q=4)
cats

pd.value_counts(cats)

可以看到数量确实被等分了。

    qcut函数的参数q不仅仅可以使用int类型，还可以使用自定义的分位数，即类似列表的浮点数（list-like of float），范围在0和1之间（包括边），表示每个箱想要分配的数量百分比，例如，我想要分4个箱，第一个箱分配30%的数量，二箱20%，三箱40%，四箱10%：

pd.qcut(data, [0,0.3,0.5,0.9,1]).value_counts()