如何在Pandas中按区间（bins）分组？是否需使用聚合函数？

直接用pd.cut()划分区间，再配合groupby()+sum()就能轻松实现需求，不需要复杂操作。

步骤示例： #

1. 准备示例数据

import pandas as pd

df = pd.DataFrame({
    'Position': [3, 12, 7, 18, 25, 9, 15, 22],
    'Ctr': [0.05, 0.03, 0.07, 0.02, 0.01, 0.06, 0.04, 0.02]
})

2. 划分Position区间
   用range()生成等距区间，通过pd.cut()给每条数据打上区间标签：

# 生成区间范围（1-10,11-20...，上限可根据数据最大值调整）
bins = range(1, df['Position'].max() + 11, 10)
# 自定义区间显示标签
labels = [f'{start}-{start+9}' for start in bins[:-1]]

# 添加区间列到DataFrame
df['Position_Group'] = pd.cut(
    df['Position'],
    bins=bins,
    labels=labels,
    include_lowest=True  # 确保最小值被包含在第一个区间内
)

3. 按区间分组求和
   直接对区间列分组，聚合Ctr的总和：

# 分组并计算Ctr总和
agg_result = df.groupby('Position_Group')['Ctr'].sum().reset_index()
print(agg_result)

输出结果： #

Position_Group   Ctr
0          1-10  0.24
1         11-20  0.09
2         21-30  0.03

关键说明： #

• pd.cut()是处理数值区间分组的核心工具，支持自定义区间范围和标签
• 聚合仅需sum()即可，不需要额外复杂的聚合函数
• 如果你的Position最大值更大，只需调整bins的上限（比如range(1, 101, 10)就能覆盖1-100的区间）

内容的提问来源于stack exchange，提问作者Mystic