如何按分位数对DataFrame进行分组（而非仅计算分位数）

按自定义分位点给数据做分组完全不需要用for-loop，主流数据处理库都有现成的向量化实现，运行效率比手写循环高很多。

具体实现（Python pandas 环境） #

就用你给出的样例参数做演示：

• 待处理数据列：[1,2,3,4,5,6,7,8,9,10]
• 自定义分位点列表：[0, 0.33, 0.66, 1]
• 分组要求：按分位点切为3组，分组名无限制

直接调用pandas内置的qcut方法就能一步完成分箱，不需要写任何循环逻辑：

import pandas as pd

# 构造测试DataFrame
df = pd.DataFrame({'num': [1,2,3,4,5,6,7,8,9,10]})
# 传入自定义分位点，直接生成分组标签
quantile_list = [0, 0.33, 0.66, 1]
df['group_id'] = pd.qcut(df['num'], q=quantile_list, labels=False)

运行后会自动按分位点切分数据：

• 数值落在0~0.33分位区间的，统一标记为第0组
• 数值落在0.33~0.66分位区间的，统一标记为第1组
• 数值落在0.66~1分位区间的，统一标记为第2组

如果需要自定义分组名称，只要给labels参数传入和分组数匹配的名称列表就行，哪怕分位点列表长度变化、分组数增减，代码逻辑都不需要调整。

其他可选方案 #

如果有更灵活的切分需求，也可以先用numpy的quantile方法算出每个分位点对应的实际数值阈值，再用pd.cut按固定阈值切分，整个过程依然是向量化运算，不需要手写for循环。

只有当你需要对每个分组执行完全独立、没有统一规则的特殊操作时，才需要遍历分组对象写循环，单纯的分位点切分分组步骤完全不需要用到循环。

内容的提问来源于stack exchange，提问作者Xixiaxixi