如何将duration列按三等分区间划分为short/medium/long三类

你的duration列当前是分:秒格式的字符串类型，无法直接做区间划分，先转成数值再做等宽分箱即可，完整流程如下：

操作步骤 #

• 将时长字符串转换为可计算的数值（统一转为总秒数，避免格式解析错误）
• 调用pandas等宽分箱方法，将数值范围平均拆分为3个区间
• 按区间从短到长依次映射为short、medium、long三个分类值

完整代码 #

# 1. 把MM:SS格式的字符串转为总秒数（数值型）
df['duration_sec'] = df['duration'].apply(
    lambda x: int(x.split(':')[0]) * 60 + int(x.split(':')[1])
)

# 2. 等宽拆分为3个区间，打分类标签
df['duration_type'] = pd.cut(
    df['duration_sec'],
    bins=3,
    labels=['short', 'medium', 'long']
)

# 不需要中间计算列的话可以直接删除
# df.drop(columns='duration_sec', inplace=True)

说明 #

这里用pd.cut实现等宽分箱：传入bins=3时，会自动取duration_sec列的最小值和最大值作为总区间端点，把总长度平均切分为3份，完全匹配你要的「按取值范围拆分为3个等大小区间」的要求。
注意不要和等频分箱的pd.qcut混淆，pd.qcut是让每个区间的样本数量尽量一致，不是区间大小相等。

可以用下面的代码验证分箱结果：

# 查看每个分类的样本数量
print(df['duration_type'].value_counts())

# 查看实际的分箱边界
temp_bins = pd.cut(df['duration_sec'], bins=3)
print("分箱区间边界：", temp_bins.cat.categories)

结合你给出的样例数据，最短时长是48秒（00:48），最长是100秒（01:40），实际分箱区间大概为：

• short：48秒 ~ 65.3秒（对应约00:48~01:05的时长）
• medium：65.3秒 ~ 82.7秒（对应约01:05~01:23的时长）
• long：82.7秒 ~ 100秒（对应约01:23~01:40的时长）

内容的提问来源于stack exchange，提问作者kalkidan Asmare