如何实现等行数十分位拆分并获取区间？解决重复值干扰

可以通过先给概率添加唯一排名，再按排名分箱，最后分组统计概率区间的方式，同时实现等行分箱和获取对应概率范围，具体步骤如下：

1. 示例数据准备（可替换为你的真实数据） #

import pandas as pd
import numpy as np

# 生成带重复概率的测试数据（模拟predict_proba的输出）
np.random.seed(42)
prob_data = np.concatenate([np.repeat(0.5, 20), np.random.uniform(0.1, 0.9, 80)])
test_df = pd.DataFrame({"VALIDATION_PROB_1": prob_data})

2. 实现等行分箱并获取概率区间 #

# 给概率列添加唯一排名（避免重复值导致qcut分箱不均）
test_df['unique_rank'] = test_df['VALIDATION_PROB_1'].rank(method='first')

# 按排名做10等分箱，同时获取分箱边界（retbins=True）
test_df['TOP_DECILE'], _ = pd.qcut(
    test_df['unique_rank'],
    q=10,
    retbins=True,
    labels=[10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
)

# 分组统计每个分箱对应的概率最小值和最大值，生成区间
decile_prob_ranges = test_df.groupby('TOP_DECILE')['VALIDATION_PROB_1'].agg(
    min_prob='min',
    max_prob='max'
).reset_index()

# 格式化概率区间列
decile_prob_ranges['PROB_RANGE'] = decile_prob_ranges.apply(
    lambda row: f"[{row['min_prob']:.4f}, {row['max_prob']:.4f}]",
    axis=1
)

3. 查看结果 #

• 查看分箱的统计结果（包含分箱标签和对应概率区间）：

print(decile_prob_ranges)

• 如果需要把区间合并到原DataFrame，可使用merge：

test_df = test_df.merge(decile_prob_ranges[['TOP_DECILE', 'PROB_RANGE']], on='TOP_DECILE', how='left')

说明 #

• 用rank(method='first')给重复概率生成唯一排名，确保pd.qcut能将数据严格分成10个行数相等的分箱；
• 通过groupby统计每个分箱的概率极值，即可得到对应分箱的概率范围，完全满足需求。

内容的提问来源于stack exchange，提问作者Jyoti Hassanandani