标签:10000 Python 数据 Excel 50 cost MySQL 区间 True
pandas.cut()
用来将数据划分为不同的区间
x:array型数据 DataFrame每列数据都是array型数据
bins:传入int型数据,表示划分的区间个数,传入list型数据,表示自定义的区间
labels: 与bins对应区间的标签(默认为None)
retbins:True表示返回划分的区间,False表示不返回划分的区间(默认为False)
right:True表示左开右闭,False表示左闭右开(默认为True)
返回数据:
x对应所在的区间,array类型
retbins为True时,还会返回划分区间
excel
=LOOKUP(I:I,
{0,50,100,500,1000,2000,5000,10000,15000},
{"[0, 50)","[50, 100)","[100, 500)","[500, 1000)","[1000, 2000)","[2000, 5000)","[5000, 10000)","[10000, 15000)"}
)
法二: if函数逐层嵌套
MySQL
法一:
CASE
WHEN cost>=0 and cost<50 THEN "[0, 50)"
WHEN cost>=50 and cost<100 THEN "[50, 100)"
...
ELSE "[10000, 15000)"
END material_flag_off,
法二:
-- 偶然所得,未尝试
SELECT
elt(
INTERVAL (days, 1, 3, 5, 7, 10),
"1-3",
"3-5",
"5-7",
"7-10",
"10+"
) AS region,
count(*)
FROM
tour_group
GROUP BY
region;
标签:10000,Python,数据,Excel,50,cost,MySQL,区间,True 来源: https://www.cnblogs.com/geoffreygao/p/15767070.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。