Pandas中相同Metric值对应多个分位数标签的问题排查

拥有一个Metric列，想要创建新列标记每个Metric值所属的分位数，但发现相同的Metric值被分配了多个分位数标签，不符合预期。以Metric_Quantile_2列为例，相同的5.0值既有Quantile_2_1标签，也有Quantile_2_2标签。

var_metric = ['Metric']

# Quantile range I am interested in creating labels for
quantiles_list = [2, 3, 4, 5]

# Quantile labels
quantile_2_labels = ['Quantile_2_1','Quantile_2_2']
quantile_3_labels = ['Quantile_3_1','Quantile_3_2','Quantile_3_3']
quantile_4_labels = ['Quantile_4_1','Quantile_4_2','Quantile_4_3','Quantile_4_4']
quantile_5_labels = ['Quantile_5_1','Quantile_5_2','Quantile_5_3','Quantile_5_4','Quantile_5_5']
quantiles_labels_list = [quantile_2_labels, quantile_3_labels, quantile_4_labels, quantile_5_labels]

# Loops for creating label columns
for metric in var_metric:
        for quantile, labels in zip(quantiles_list, quantiles_labels_list):
                df[f'{metric}_Quantile_{quantile}'] = pd.qcut(df[metric].astype('Int64').rank(method='first'), q=quantile, labels=labels, retbins=False)

• 核心问题出在rank(method='first')操作：当对相同的Metric值（比如多个5.0）使用method='first'排名时，pandas会按照元素在DataFrame中的出现顺序，给每个相同值分配唯一且递增的排名。这导致原本相同的5.0被赋予了不同的排名数值。
• 后续的pd.qcut基于这些排名值划分分位数，不同的排名自然会被分到不同的分位数区间，最终相同的Metric值就得到了不同的分位数标签。
• astype('Int64')转换仅将浮点数转为可空整数，对该问题无影响，关键是排名方法的选择。

若要让相同Metric值被分到同一个分位数，可采取以下方式：

1. 去掉rank操作，直接用原始Metric值执行qcut（注意处理NaN，可使用dropna或qcut的na_position参数）；
2. 若必须使用排名，将method='first'改为method='min'或method='max'，确保相同值获得相同排名，后续qcut就能将它们归入同一分位数。

内容的提问来源于stack exchange，提问作者jim_jones