使用Geopy计算距离后，pd.qcut分箱操作失败的问题求助

先揪出代码里的明显错误 #

你写的qcut代码里用了df_nyc.Aftermath，但前面计算距离的是data['Distance']，变量名和列名完全不匹配，这绝对是报错的核心原因之一，先把这个改过来。

确保Distance列是纯数值类型（剥离Geopy关联） #

虽然你说distance.distance(...).km返回的是float64，但有时候可能因为数据里的空值、非数值导致类型隐性异常，直接强制转成纯净的float类型就行：

# 计算时直接强制转换
data['Distance'] = data[['Start_Lat', 'Start_Lng', 'End_Lat', 'End_Lng']].apply(
    lambda x: float(distance.distance((x[0],x[1]), (x[2],x[3])).km), 
    axis=1
)
# 或者事后统一转换
data['Distance'] = data['Distance'].astype('float64')

修正qcut的正确写法 #

把qcut里的错误变量改成对应的data['Distance']：

data["DisBucket"] = pd.qcut(data['Distance'], q=[0, 0.3, 0.7, 1.0], labels=['LOW', 'MEDIUM', 'HIGH'])

额外处理：清理异常值 #

如果Distance列里有NaN或者无穷大的值，qcut也会报错，先做数据清理：

# 删掉空值行
data = data.dropna(subset=['Distance'])
# 或者用中位数填充空值（根据你的业务场景选）
data['Distance'] = data['Distance'].fillna(data['Distance'].median())

验证步骤 #

1. 先查类型：print(data['Distance'].dtype)，确认是float64
2. 看统计信息：print(data['Distance'].describe())，检查有没有异常值
3. 小批量测试：取前100行数据跑qcut，快速验证是否正常

内容的提问来源于stack exchange，提问作者afroduck