如何移除pandas qcut区间的小数点（转换为整数区间）

看起来你已经用pd.qcut实现了十分位划分，只是纠结区间里的浮点数怎么转成整数对吧？毕竟precision=0只会给数字加个.0，完全不是想要的效果。

首先得明确：直接把区间边界转成整数确实会改变原本的十分位分布（就像@ALollz提醒的那样），不过你也说了只是用于展示，那完全没问题，下面给你两种可行的方法：

方法一：直接修改已生成的区间列 #

如果你已经生成了Decile_interval列，我们可以通过apply遍历每个区间，把左右边界转成整数后重新构造Interval对象：

import random
import pandas as pd
random.seed(420) #blazeit
example = pd.DataFrame({"Score":[random.randrange(350, 1000) for i in range(1000)]})
example["Decile"] = pd.qcut(example["Score"], 10, labels=False) + 1
example["Decile_interval"] = pd.qcut(example["Score"], 10)

# 转换区间边界为整数
example["Decile_interval_int"] = example["Decile_interval"].apply(
    lambda interval: pd.Interval(
        int(interval.left), 
        int(interval.right), 
        closed=interval.closed  # 保留原区间的闭合方式
    )
)

要是觉得左边界取整后和你的分数起始范围（350）不太贴合，也可以把int(interval.left)改成math.ceil(interval.left)，这样左边界就会自动向上取整到350这类整数。

方法二：先处理分位点再生成区间 #

另一种思路是先计算十分位的分位点，把分位点转成整数后再用qcut划分，这样生成的区间从一开始就是整数边界：

# 计算十分位分位点并转成整数
quantiles = example["Score"].quantile([i/10 for i in range(11)]).astype(int)
# 去重避免qcut报错（如果有重复分位点的话）
quantiles = quantiles.unique()

# 用处理后的分位点生成区间
example["Decile_interval_int"] = pd.qcut(example["Score"], q=quantiles, duplicates="drop")
# 同步更新十分位编号
example["Decile"] = pd.qcut(example["Score"], q=quantiles, labels=False, duplicates="drop") + 1

这种方法会直接基于整数分位点划分，不过要注意如果分位点有重复，duplicates="drop"会自动合并重复的区间——这也是为什么会改变分布的原因，但用于展示完全够用。

另外补充下：precision=0参数只是控制浮点数的显示精度，并不会改变底层的数据类型，所以才会出现x.0的情况，想要真正的整数边界，还是得用上面的两种方法来处理。

内容的提问来源于stack exchange，提问作者Arturo Sbr