分箱（Binning）數值
對於許多連續數值，你與其在乎某個欄位的精確數值，不如在乎它落在哪一個區間（bucket）。這在繪圖時或是簡化你的機器學習模型時很有用。分箱多用在精確度不是首要考量的連續變數上，例如年齡、身高、薪資。
可以使用 pd.cut(df['column_name'], bins) 來建立分箱，其中 bins 可以是整數（代表要切成等寬的區間數量），或是一個列出各區間邊界的清單。
本練習屬於課程
Feature Engineering for Machine Learning in Python
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Bin the continuous variable ConvertedSalary into 5 bins
so_survey_df['equal_binned'] = ____(so_survey_df['ConvertedSalary'], ____)
# Print the first 5 rows of the equal_binned column
print(so_survey_df[['equal_binned', 'ConvertedSalary']].head())