Python连续数据离散化处理和pandas.cut函数用法

连续数据离散化场景：

数据分析和统计的预处理阶段，经常的会碰到年龄、消费等连续型数值，我们希望将数值进行离散化分段统计，提高数据区分度，那么下面介绍一个简单使用的pandas中的 cut() 方法

函数用法：
**cut(series, bins, right=True, labels=NULL)**

series  (类似数组排列，必须是一维的)
bins  (表示分段数或分类区间，可以是数字，比如说4，就是分成4段，也可以是列表，表示各段的间隔点)
right=True（表示分组右边闭合，right=False表示分组左边闭合，）
labels(表示结果标签，一般最好添加，方便阅读和后续统计)
另外，请注意：
如果  cut_1 = pd.cut ()
cut_1.codes： 获得分组的codes码，即0，1，2，3，4…
pd.value_counts(cut_1):  返回分段计数的结果

如下成绩代码：