如何在Pandas中对DataFrame各列数值进行分箱并统计区间频数

现有如下DataFrame：

需求：

1. 将每个参数列（parametr_1、parametr_2、parametr_3）划分为指定区间，得到如下格式的统计结果：

2. 将同一参数对应的column列单元格进行合并，最终结果仅显示单个parametr_1、parametr_2、parametr_3单元格。

请问是否有专门的库可以实现该需求？

当然有！Pandas就是处理这类表格数据的绝佳工具，结合它的样式功能或者Excel处理库，就能完美实现你的需求。下面分步骤说明：

1. 生成区间统计结果 #

首先用Pandas的cut()函数划分区间，再通过分组统计得到计数（包括区间内为0的情况）：

import pandas as pd
import numpy as np

# 构造原始DataFrame
df = pd.DataFrame({
    'columns1': ['val_1', 'val_2', 'val_3', 'val_4'],
    'parametr_1': [1, 1, 7, 4],
    'parametr_2': [2, 2, 1, 2],
    'parametr_3': [1, 5, 7, 11]
})

# 定义每个参数的区间规则
bin_rules = {
    'parametr_1': [0, 1, np.inf],
    'parametr_2': [0, 2, np.inf],
    'parametr_3': [0, 5, np.inf]
}

# 生成对应格式的区间标签
bin_labels = {
    'parametr_1': ['(0-1)', '(1-inf)'],
    'parametr_2': ['(0-2)', '(2-inf)'],
    'parametr_3': ['(0-5)', '(5-inf)']
}

# 遍历每个参数列生成统计结果
result_list = []
for col in bin_rules.keys():
    # 划分区间
    bins = pd.cut(df[col], bins=bin_rules[col], labels=bin_labels[col], include_lowest=True)
    # 统计每个区间数量，补充缺失区间的0计数
    count_df = bins.value_counts().reindex(bin_labels[col], fill_value=0).reset_index()
    count_df.columns = ['bin', 'count']
    count_df['column'] = col
    result_list.append(count_df)

# 合并所有结果
final_result = pd.concat(result_list, ignore_index=True)[['column', 'bin', 'count']]
print(final_result)

运行后会得到和需求完全匹配的统计数据：

column       bin  count
0  parametr_1    (0-1)      2
1  parametr_1  (1-inf)      2
2  parametr_2    (0-2)      3
3  parametr_2  (2-inf)      0
4  parametr_3    (0-5)      2
5  parametr_3  (5-inf)      2

2. 合并同一参数的单元格 #

如果要在可视化输出（比如Jupyter Notebook）或Excel中实现单元格合并，有两种常用方式：

方式一：Jupyter中用Pandas样式合并 #

利用Pandas的Styler对象设置合并规则，在Notebook中直接展示合并效果：

def merge_cells(df):
    # 找出需要合并的行索引范围
    merge_indices = []
    current_col = df.iloc[0]['column']
    start_idx = 0
    for idx in range(1, len(df)):
        if df.iloc[idx]['column'] != current_col:
            merge_indices.append((start_idx, idx-1))
            current_col = df.iloc[idx]['column']
            start_idx = idx
    merge_indices.append((start_idx, len(df)-1))
    
    # 定义合并样式
    styles = []
    for start, end in merge_indices:
        # 设置合并单元格的样式
        styles.append({
            'selector': f'tbody tr:nth-child({start+1}) td:first-child',
            'props': [('vertical-align', 'middle'), ('text-align', 'center'), ('border', '1px solid #ccc')]
        })
        styles.append({
            'selector': f'tbody tr:nth-child({start+1}) td:first-child',
            'props': [('rowspan', f'{end - start + 1}')]
        })
        # 隐藏被合并的单元格
        for i in range(start+1, end+1):
            styles.append({
                'selector': f'tbody tr:nth-child({i+1}) td:first-child',
                'props': [('display', 'none')]
            })
    
    # 应用样式到DataFrame
    styled_df = df.style.set_table_styles(styles).set_properties(**{'border': '1px solid #ccc'})
    return styled_df

# 展示带合并单元格的表格
merge_cells(final_result)

方式二：导出到Excel时合并单元格 #

如果需要导出到Excel并保留合并格式，搭配openpyxl库实现：

from openpyxl import load_workbook
from openpyxl.styles import Alignment

# 先导出统计结果到Excel
final_result.to_excel('param_stats.xlsx', index=False)

# 加载工作簿处理合并
wb = load_workbook('param_stats.xlsx')
ws = wb.active

# 合并相同参数的单元格
current_col = ws['A2'].value
start_row = 2
for row in range(3, ws.max_row+1):
    if ws[f'A{row}'].value != current_col:
        ws.merge_cells(f'A{start_row}:A{row-1}')
        # 设置垂直居中对齐
        ws[f'A{start_row}'].alignment = Alignment(vertical='center', horizontal='center')
        current_col = ws[f'A{row}'].value
        start_row = row
# 合并最后一组单元格
ws.merge_cells(f'A{start_row}:A{ws.max_row}')
ws[f'A{start_row}'].alignment = Alignment(vertical='center', horizontal='center')

# 保存文件
wb.save('param_stats_merged.xlsx')

导出的Excel文件中，column列的相同参数单元格会自动合并，完全符合你的需求。

内容的提问来源于stack exchange，提问作者Archi