分箱（Binning）数值
对于许多连续数值，您可能不太关心某一数值列的精确取值，而是更在意它落入哪个区间。这在绘图或简化机器学习模型时很有用。分箱多用于对精度要求不高的连续变量，例如年龄、身高、工资等。
可以使用 pd.cut(df['column_name'], bins) 来创建分箱，其中 bins 可以是一个整数（表示等宽分箱的数量），也可以是一个用于指定分箱边界的列表。
本练习是课程的一部分
Python 中的机器学习特征工程
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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())