หลายครั้งเราใช้วิธีที่เรียกว่า data smoothing เพื่อทำให้ข้อมูลเหมาะสมและมีคุณภาพสำหรับการวิเคราะห์ทางสถิติ ระหว่างกระบวนการ smoothing เรากำหนดช่วงที่เรียกว่า bin และค่าข้อมูลใดๆ ที่อยู่ในช่วงนั้นจะถูกทำให้เข้ากับ bin เรียกว่า binning method ด้านล่างเป็นตัวอย่างของ binning จากนั้นเราจะมาดูวิธีการทำ binning method ด้วยโปรแกรม Python
ตัวอย่าง Binning
ลองนำชุดตัวเลขมา หาค่าสูงสุดและต่ำสุด ตัดสินใจจำนวน bins ที่ต้องการขึ้นอยู่กับจำนวนจุดข้อมูลที่การวิเคราะห์ต้องการ สร้างกลุ่มเหล่านี้และกำหนดตัวเลขแต่ละตัวให้เข้ากับกลุ่มเหล่านี้ ค่าขอบบนจะถูกตัดออกและเป็นของกลุ่มถัดไป
ตัวอย่าง
ตัวเลขที่กำหนด: 12, 32, 10, 17, 19, 28, 22, 26, 29, 16 จำนวนกลุ่ม: 4 ค่าสูงสุด: 32 ค่าต่ำสุด: 10 ดังนั้นกลุ่มคือ (10-15), (15-21), (21-27), (27-32)
ผลลัพธ์
การนำตัวเลขใส่ bins จะได้ผลดังนี้ −
12 -> (10-15) 32 -> (27-32) 10 -> (10-15) 17 -> (15-21) 19 -> (15-21) 28 -> (27-32) 22 -> (21-27) 26 -> (21-27) 29 -> (27-32) 16 -> (15-21)
โปรแกรม Binning
สำหรับโปรแกรมนี้เรากำหนดสองฟังก์ชัน หนึ่งสำหรับสร้าง bins โดยกำหนดขอบบนและขอบล่าง อีกฟังก์ชันสำหรับกำหนดค่าอินพุตให้แต่ละ bin แต่ละ bin ยังได้รับดัชนีด้วย เราจะเห็นว่าแต่ละค่าอินพุตถูกกำหนดให้กับ bin และติดตามว่ามีค่ากี่ค่าที่ไปอยู่ใน bin เฉพาะ
ตัวอย่าง
from collections import Counter
def Binning_method(lower_bound, width, quantity):
binning = []
for low in range(lower_bound, lower_bound + quantity * width + 1, width):
binning.append((low, low + width))
return binning
def bin_assign(v, b):
for i in range(0, len(b)):
if b[i][0] <= v < b[i][1]:
return i
the_bins = Binning_method(lower_bound=50, width=4, quantity=10)
print("The Bins: \n", the_bins)
weights_of_objects = [89.2, 57.2, 63.4, 84.6, 90.2, 60.3, 88.7, 65.2, 79.8, 80.2, 93.5, 79.3, 72.5, 59.2, 77.2, 67.0, 88.2, 73.5]
print("\nBinned Values:\n")
binned_weight = []
for val in weights_of_objects:
index = bin_assign(val, the_bins)
# print(val, index, binning[index])
print(val, "-with index-", index, ":", the_bins[index])
binned_weight.append(index)
freq = Counter(binned_weight)
print("\nCount of values in each index: ")
print(freq)
ผลลัพธ์
การรันโค้ดข้างต้นจะได้ผลดังนี้ −
The Bins: [(50, 54), (54, 58), (58, 62), (62, 66), (66, 70), (70, 74), (74, 78), (78, 82), (82, 86), (86, 90), (90, 94)]
Binned Values:
89.2 -with index- 9 : (86, 90)
57.2 -with index- 1 : (54, 58)
63.4 -with index- 3 : (62, 66)
84.6 -with index- 8 : (82, 86)
90.2 -with index- 10 : (90, 94)
60.3 -with index- 2 : (58, 62)
88.7 -with index- 9 : (86, 90)
65.2 -with index- 3 : (62, 66)
79.8 -with index- 7 : (78, 82)
80.2 -with index- 7 : (78, 82)
93.5 -with index- 10 : (90, 94)
79.3 -with index- 7 : (78, 82)
72.5 -with index- 5 : (70, 74)
59.2 -with index- 2 : (58, 62)
77.2 -with index- 6 : (74, 78)
67.0 -with index- 4 : (66, 70)
88.2 -with index- 9 : (86, 90)
73.5 -with index- 5 : (70, 74)
Count of values in each index: Counter({9: 3, 7: 3, 3: 2, 10: 2, 2: 2, 5: 2, 1: 1, 8: 1, 6: 1, 4: 1})
