如何使用pandas将数据按40%、40%、20%的比例拆分至指定分桶

用pandas自带的pd.qcut()即可实现，该函数是专门用于按分位数做等频分箱的工具，支持自定义传入分位区间，相比你之前用的pd.cut()更适配百分位拆分的需求。

核心实现代码 #

import pandas as pd

# 定义分位边界：对应0%、40%、80%、100%四个节点，刚好拆分出三个区间
quantile_bins = [0, 0.4, 0.8, 1.0]
# 自定义分桶标签，可按需调整为数值/字符类型
bin_labels = ["低40%", "中40%", "高20%"]

# 执行分桶，retbins=True会同时返回拆分的数值边界
df['count_group'], split_borders = pd.qcut(
    df['count'],
    q=quantile_bins,
    labels=bin_labels,
    retbins=True
)

常见问题处理 #

• 若数据存在大量重复值导致分位边界重合报错，可添加duplicates='drop'参数自动处理重复边界：

  df['count_group'], split_borders = pd.qcut(
      df['count'],
      q=quantile_bins,
      labels=bin_labels,
      retbins=True,
      duplicates='drop'
  )
  

• 打印split_borders即可查看每个分桶对应的实际数值拆分边界
• 若需要数值类型的分桶标识，直接将bin_labels修改为[1,2,3]即可

内容的提问来源于stack exchange，提问作者Maths12