Pandas创建分位数列报错：Index不支持可变操作及问题排查

错误原因 #

报错的核心是误用了DataFrame的columns属性：

• all_merged_pre_matrix.columns返回的是Pandas的Index对象，这类对象是不可变的，不支持直接通过索引赋值修改。
• 你成功运行的代码是直接给DataFrame添加/修改列（all_merged_pre_matrix['Decile3'] = ...），这才是操作DataFrame列的正确方式。

修正后的代码 #

把报错代码中的columns去掉，改成和成功代码一致的写法即可：

all_merged_pre_matrix['Decile4'] = pd.qcut(all_merged_pre_matrix['min_score'], 5, labels=False)

后续生成好坏样本的分位数交叉表 #

假设你的数据中有标识好坏样本的列（比如is_bad，用1代表坏样本、0代表好样本），可以用pd.crosstab生成5×5的交叉表：

1. 坏样本数量交叉表 #

# 按min_score分位数（Decile4）和app_score分位数（Decile3）统计坏样本数量
cross_tab_bad = pd.crosstab(
    index=all_merged_pre_matrix['Decile4'],
    columns=all_merged_pre_matrix['Decile3'],
    values=all_merged_pre_matrix[all_merged_pre_matrix['is_bad'] == 1]['is_bad'],
    aggfunc='count',
    margins=False  # 不需要合计行/列时设为False
)

2. 好样本数量交叉表 #

cross_tab_good = pd.crosstab(
    index=all_merged_pre_matrix['Decile4'],
    columns=all_merged_pre_matrix['Decile3'],
    values=all_merged_pre_matrix[all_merged_pre_matrix['is_bad'] == 0]['is_bad'],
    aggfunc='count',
    margins=False
)

如果需要查看分位数组合的好坏样本占比，可调整代码计算占比：

# 按行归一化，查看每行分位数组合的坏样本占比
cross_tab_bad_pct = pd.crosstab(
    index=all_merged_pre_matrix['Decile4'],
    columns=all_merged_pre_matrix['Decile3'],
    values=all_merged_pre_matrix['is_bad'],
    aggfunc='mean',
    margins=False
)

内容的提问来源于stack exchange，提问作者Matthew Freeman