def Chi_Discretization(data, var_name, var_name_target, max_interval=6, binning_method = 'chi2', feature_type = 0):
"""
基于卡方的离散化方法
:param data: DataFrame 原始输入数据
:param var_name: str 待离散化变量
:param var_name_target: str 标签变量（y)
:param max_interval: int 最大分箱数量
:param binning_method: string 分箱方法
:param feature_type: bool 待分箱变量的类型（0: 连续型变量 1：离散型变量）
:return: 分组信息（group）
"""
# 1. 初始化：将每个值视为一个箱体 & 统计各取值的正负样本分布并排序
print("分箱初始化开始：")
count, var_type = data_describe(data, var_name, var_name_target, feature_type)
print("分箱初始化完成！！！")
# 2. 卡方分箱
if binning_method == 'chiMerge':
# group = Chi_Merge(count,max_interval)
group = Chi_Merge1(count,max_interval)
elif binning_method == 'chi2':
group = Chi2(count,max_interval)
else:
exit(code='无法识别分箱方法')
# 后处理
if not feature_type:
group = [sorted(ele) for ele in group]
group.sort()
if len(group) > max_interval:
print("warning: 分箱后，%s的箱体个数（%s）与您输入的分箱数量（%s）不符，这是由分组间的相似性太低导致的。如对分箱效果不满意，请更换其他分箱方法" % (
var_name, len(group), max_interval))
# 3. 根据var_type修改返回的group样式(var_type=0: 返回分割点列表；var_typ=1：返回分箱成员列表）
if not feature_type:
group = [ele[-1] for ele in group] if len(group[0])==1 else [group[0][0]] + [ele[-1] for ele in group]
group[0] = group[0]-0.001 if group[0]==0 else group[0] * (1-0.001) # 包含最小值
group[-1] = group[-1]+0.001 if group[-1]==0 else group[-1] * (1+0.001) # 包含最大值
return group
def Entropy_Discretization(data,
var_name,
var_name_target,
max_interval=6,
binning_method='entropy',
feature_type=0):
"""
基于熵的离散化方法
:param data: DataFrame 原始输入数据
:param var_name: str 待离散化变量
:param var_name_target: str 离散化后的变量
:param max_interval: int 最大分箱数量
:param binning_method: string 分箱方法
:param var_type: bool 待分箱变量的类型（0: 连续型变量 1：离散型变量）
:return: 分组信息（group）
"""
# 1. 初始化：将每个值视为一个箱体 & 统计各取值的正负样本分布并排序
print("分箱初始化开始：")
count, var_type = data_describe(data, var_name, var_name_target,
feature_type)
print("分箱初始化完成！！！")
# 2. 决策树分箱
if binning_method in ['entropy', 'bestKS']:
group = BestKS_dsct(count, max_interval, binning_method)
# group = optimal_binning_boundary(data['A'], data['E'], 4)
else:
exit(code='无法识别分箱方法')
group.sort()
# 3. 根据var_type修改返回的group样式(var_type=0: 返回分割点列表；var_typ=1：返回分箱成员列表）
if not feature_type:
group = [ele[-1] for ele in group] if len(
group[0]) == 1 else [group[0][0]] + [ele[-1] for ele in group]
group[0] = group[0] - 0.001 if group[0] == 0 else group[0] * (
1 - 0.001) # 包含最小值
group[-1] = group[-1] + 0.001 if group[-1] == 0 else group[-1] * (
1 + 0.001) # 包含最大值
return group