pandas轻尾数据按自定义百分位打标签时qcut分箱报错如何解决？

报错原因 #

你的数据中存在大量重复的0值，调用pd.qcut分100箱时，多个百分位对应的边界值完全相同，触发了默认的重复边界报错规则。

解决方案 #

你不需要拆分100个箱，仅需根据你自定义的百分位规则设置分位点即可，以下是两种可行实现方式：

方案1：调整qcut参数适配重复边界

直接指定你需要的分位点，同时设置duplicates='drop'自动删除重复边界：

import pandas as pd

# 定义百分位节点和对应标签
quantiles = [0, 0.01, 0.05, 0.15, 0.85, 0.95, 0.99, 1]
labels = ['---', '--', '-', 'o', '+', '++', '+++']

# 分箱打标签，duplicates='drop'解决重复边界报错
df['Bucket'] = pd.qcut(df['Score'], q=quantiles, labels=labels, duplicates='drop')

方案2：用百分比排名实现（更稳定，无边界冲突问题）

先计算每个分数的排名百分比，再按规则匹配标签，完全避免分箱边界问题：

import pandas as pd
import numpy as np

# 计算分数从高到低的百分比排名，值越小排名越靠前
df['rank_pct'] = df['Score'].rank(pct=True, ascending=False)

# 定义标签匹配规则
conditions = [
    df['rank_pct'] <= 0.01, # 前1%
    (df['rank_pct'] > 0.01) & (df['rank_pct'] <= 0.05), # 前5%不在前1%
    (df['rank_pct'] > 0.05) & (df['rank_pct'] <= 0.15), # 前15%不在前5%
    df['rank_pct'] >= 0.99, # 后1%
    (df['rank_pct'] >= 0.95) & (df['rank_pct'] < 0.99), # 后5%不在后1%
    (df['rank_pct'] >= 0.85) & (df['rank_pct'] < 0.95), # 后15%不在后5%
]
choices = ['+++', '++', '+', '---', '--', '-']

# 匹配标签，剩余中间值默认标为o
df['Bucket'] = np.select(conditions, choices, default='o')

内容的提问来源于stack exchange，提问作者Nabih Bawazir