使用pd.cut按Code分组划分Qty类别时遇“bins需单调递增”错误求助

原始数据 #

import pandas as pd

df = pd.DataFrame({
    'Code': ['AAD', 'AAD', 'AAG', 'AAG', 'AAG', 'ALA', 'ALA'],
    'Notes': ['2A 2K', '2A 1K', '2A 3K', '4A 4K', '5A 5K', '1A 2K', '1A 1K'],
    'Qty': [17, 1, 12, 2, 1, 10, 3]
})

错误原因分析 #

原代码报错bins must increase monotonically是因为定义的bins = [total*0.15,total*0.05,total*0.8]数值递减，而pd.cut要求bins必须单调递增。同时原逻辑存在两个核心问题：

• 未对每组内的Qty按降序排序，无法保证数量大的条目优先划入高占比类别
• 阈值区间定义错误，未匹配“80%→class1，剩余15%→class2，其余→class3”的需求

正确实现方案 #

方案1：使用apply自定义函数划分类别 #

# 按Code分组，每组内按Qty降序排序
df_sorted = df.sort_values(['Code', 'Qty'], ascending=[True, False]).reset_index(drop=True)

# 计算每组总Qty、累计Qty、累计占比
df_sorted['total_qty'] = df_sorted.groupby('Code')['Qty'].transform('sum')
df_sorted['cum_qty'] = df_sorted.groupby('Code')['Qty'].cumsum()
df_sorted['cum_pct'] = df_sorted['cum_qty'] / df_sorted['total_qty']

# 根据累计占比分配类别
df_sorted['Class'] = df_sorted['cum_pct'].apply(
    lambda pct: 'class1' if pct <= 0.8 
                else 'class2' if pct <= 0.95 
                else 'class3'
)

# 整理结果列顺序
result = df_sorted[['Code', 'Notes', 'Qty', 'Class']]
print(result)

方案2：分组使用pd.cut（修正bins顺序） #

def process_group(group):
    # 组内按Qty降序排序
    sorted_group = group.sort_values('Qty', ascending=False)
    total = sorted_group['Qty'].sum()
    # 定义单调递增的bins：0→80%总和→95%总和→无穷大
    bins = [0, total*0.8, total*0.95, float('inf')]
    labels = ['class1', 'class2', 'class3']
    sorted_group['Class'] = pd.cut(
        sorted_group['Qty'].cumsum(), 
        bins=bins, 
        labels=labels, 
        right=False
    )
    return sorted_group

# 分组处理并合并结果
result = df.groupby('Code', group_keys=False).apply(process_group).reset_index(drop=True)
print(result)

输出结果 #

Code   Notes  Qty    Class
0  AAD  2A 2K   17   class1
1  AAD  2A 1K    1   class2
2  AAG  2A 3K   12   class1
3  AAG  4A 4K    2   class2
4  AAG  5A 5K    1   class3
5  ALA  1A 2K   10   class1
6  ALA  1A 1K    3   class2

内容的提问来源于stack exchange，提问作者beginner