如何用Pandas基于列将数据均分至分箱，使各区间Good数量相等？

要实现每个分数区间的Good数量相等，核心思路是先针对Good=1的样本按数量均分区间，再将该区间规则应用到整个数据集——直接用pd.cut或pd.qcut无法满足需求，因为这两个方法分别按数值范围、全量数据数量分箱，而非针对Good=1的样本数量均分。

步骤1：准备数据 #

导入库并创建示例DataFrame：

import pandas as pd

data = {
    'Score': [100,100,100,300,400,400,600,600,600,650,650,650,700,770,770,800,890,890],
    'Good': [0,0,0,0,0,0,1,1,0,0,0,1,1,1,1,0,1,1]
}
df = pd.DataFrame(data)

步骤2：基于Good=1的样本划分区间 #

筛选出所有Good=1的行，按Score排序后，按目标数量均分分组：

# 筛选并排序Good=1的样本
good_samples = df[df['Good'] == 1].sort_values('Score')
# 计算分组数：总Good数 ÷ 每组目标数量（示例中总共有8个1，每组2个，分4组）
total_good = len(good_samples)
target_per_bin = 2
num_bins = total_good // target_per_bin

# 给Good=1的样本按数量均分分组
good_samples['bin_group'] = pd.qcut(good_samples['Score'], q=num_bins, labels=False)

# 提取每组的Score边界，生成区间标签
bin_bounds = good_samples.groupby('bin_group')['Score'].agg(['min', 'max']).reset_index()
bin_labels = []
for idx in range(num_bins):
    if idx < num_bins - 1:
        bin_labels.append(f"{bin_bounds['min'][idx]} - {bin_bounds['max'][idx]}")
    else:
        bin_labels.append(f"> {bin_bounds['min'][idx]}")

步骤3：将区间规则应用到全量数据 #

用得到的边界对整个DataFrame的Score分箱，再统计每个区间的Good总数：

# 构建分箱边界（包含最小Score和最大Score+1，确保覆盖所有数据）
score_edges = [df['Score'].min()] + list(bin_bounds['max'][:-1]) + [df['Score'].max() + 1]
# 给全量数据分箱
df['bin'] = pd.cut(df['Score'], bins=score_edges, labels=bin_labels, include_lowest=True)

# 统计每个区间的Good数量
result = df.groupby('bin')['Good'].sum().reset_index().rename(columns={'Good': 'Goods'})
print(result)

输出结果 #

bin  Goods
0  100 - 600      2
1  650 - 700      2
2  770 - 800      2
3       > 890      2

内容的提问来源于stack exchange，提问作者Ash