Python中用qcut批量分箱数值变量的循环与ID保留问题求助

问题分析 #

原代码的核心问题：

• 循环内直接替换原df为单列分箱结果，导致后续循环丢失其他变量和ID，无法完成遍历
• 没有单独维护包含ID的结果数据集，导致最终无法保留ID

修正后的完整代码 #

import pandas as pd
import numpy as np

# 创建示例df
df = pd.DataFrame({'id':[1,2,3,4,5,6,7,8,9,10],
'totals1':[200, 100, 300, 500, 1000, 50, 250, 550, 350, 950],
'totals2':[4500, 700, 600, 500, 900, 500, 150, 650, 450, 950]})

# 将id转换为object类型
df = df.astype({'id' : np.object})

# 获取数值变量列表
num_vars = df.select_dtypes(include=['int64']).columns.tolist()

# 初始化结果DataFrame，仅保留ID列
result_df = df[['id']].copy()

# 遍历所有数值变量执行分箱
for var in num_vars:
    # 定义分箱后列名（原变量名+_seg）
    seg_col = f"{var}_seg"
    # 用qcut分箱，labels=False返回0/1/2的分箱标识，添加到结果集
    result_df[seg_col] = pd.qcut(df[var], 3, labels=False)

# 查看最终结果
print(result_df)

关键改进点 #

• 单独创建result_df存储结果，避免覆盖原数据，确保循环能持续读取原df中的数值变量
• 分箱列自动命名为原变量名+_seg，便于识别
• 最终结果仅保留ID和所有分箱后的变量，完全符合需求

可选扩展：自定义分箱标签 #

如果需要用文字标签（如「低/中/高」）替代数字标识，只需修改qcut的labels参数：

result_df[seg_col] = pd.qcut(df[var], 3, labels=['低', '中', '高'])

内容的提问来源于stack exchange，提问作者BenBald