[Python] pd.cut 과 pd.qcut 비교

pd.cut() 함수와 pd.cut() 함수를 이용하여 수치형 변수를 특정 구간으로 나눈 범주형 레이블을 생성할 수 있다. 위 함수들을 이용하여 특정 구간들에 대한 그룹별 통계량을 구하는 것이 가능해진다.

위의 두 함수의 차이점은 아래의 도표를 통해 이해할 수 있다. cut은 데이터를 동일한 길이로 나누는 것이고 qcut은 동일한 갯수로 나누는 것이다.

pd.cut()

---

먼저 예제로 사용할 타이타닉 데이터를 불러온다.

In [1]:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

titanic = sns.load_dataset('titanic')
titanic.head()

위 데이터에서 수치형 변수로 age 컬럼이 존재한다. 이 age 컬럼에서 특정 구간을 나누어 다양한 연령대 그룹을 만들고 싶은 경우 pd.cut 혹은 pd.qcut 함수를 사용할 수 있다.

먼저 cut 함수에 대해 살펴보자

cut 함수의 사용방법은 [데이터, 구간의 갯수, 레이블명] 에 해당하는 인자값을 지정해주는 것이다.

labels를 지정하지 않으면 구간의 나눈 기준이 레이블명으로 지정된다.

# 구간 레이블 명시
titanic['age_class'] = pd.cut(titanic['age'], 3, labels=['child', 'young', 'old'])
titanic[['age', 'age_class']].head()

sns.displot(titanic, x='age', hue='age_class', element='step')

titanic['age_class'].value_counts()

young    345
child    319
old       50
Name: age_class, dtype: int64

타이타닉 데이터에의 age 컬럼을 대상으로 총 3개의 동일한 길이를 가지는 label을 생성한 것을 확인할 수 있고 동일한 길이로 잘랐기 때문에 label의 불균형이 발생하는 것을 알 수 있다.

titanic.groupby('age_class')['survived'].mean()

age_class
child    0.407524
young    0.417391
old      0.320000
Name: survived, dtype: float64

이렇게 범주형 데이터를 만들어 groupby를 통해 생존율을 분석할 수 있다.

pd.qcut()

---

qcut 함수는 cut 함수와 다르게 동일한 길이로 구간을 나누는 개념이 아닌 동일한 갯수로 구간을 나누는 함수이다.

실제 예제를 통해 cut 함수와 무엇이 다른지 살펴보자

In [17]:

titanic = sns.load_dataset('titanic')

titanic['age_class'] = pd.qcut(titanic['age'], 3, labels=['child', 'young', 'old'])

In [19]:

sns.displot(titanic, x='age', hue='age_class', element='step')

titanic['age_class'].value_counts()

Out[20]:

child    246
old      236
young    232
Name: age_class, dtype: int64

위의 cut 함수와 다르게 qcut 함수는 동일한 갯수로 구간을 나누는 것을 확인할 수 있다.

In [21]:

titanic.groupby('age_class')['survived'].mean()

Out[21]:

age_class
child    0.418699
young    0.400862
old      0.398305
Name: survived, dtype: float64

따라서 서로 다른 데이터를 그룹핑 했기 때문에 분석 결과에 있어서도 차이를 보일 수 있다.

qcut 함수를 별도의 함수로 만들어서 사용하고 싶다면 아래의 코드를 이용하자.

In [22]:

iris = sns.load_dataset("iris")

def q3cut(s):
    return pd.qcut(s, 3, labels = ["소","중","대"]).astype(str)

iris["petal_length_class"] = iris.groupby(iris.species).petal_length.transform(q3cut)
iris