Pandas qcut处理含无穷值数据报错：旧版本可用1.5版本失效求答疑

问题背景 #

• Pandas 1.1.5及更早版本里，用pd.qcut给分箱两端设np.inf完全没问题
• 升级到1.5版本后，运行pd.qcut([1,2,3,4,5,-np.inf, np.inf], q=3, duplicates="drop")会弹出ValueError: missing values must be missing in the same location both left and right sides错误
• 要是省略duplicates参数，又会出现ValueError: Bin edges must be unique: array([nan, 2., 4., nan]). You can drop duplicate edges by setting the 'duplicates' kwarg错误
• 目前只能临时用1e9这类极大值替换np.inf，但远不如直接用无穷值方便

结论：这是有意调整，不是Bug #

Pandas 1.5版本后对分箱逻辑做了调整：np.inf和-np.inf在计算分箱边缘时会被当作缺失值（nan）处理。当数组里包含无穷值时，自动计算的分位数边界会出现nan，触发了唯一性检查或者缺失值位置匹配的校验规则，所以才会报错。

更便捷的替代方案 #

如果想继续用无穷值实现两端分箱，别让qcut自动算边界，手动指定分箱区间就行：

import pandas as pd
import numpy as np

data = [1,2,3,4,5,-np.inf, np.inf]
# 先计算数据的分位数，再把无穷值补到两端当边界
quantiles = pd.Series(data).quantile([1/3, 2/3]).values
bins = [-np.inf, *quantiles, np.inf]
result = pd.cut(data, bins=bins)

这样既保留了无穷值的便捷性，又避开了qcut的报错问题。

内容的提问来源于stack exchange，提问作者Hans Bambel