如何在Python DataFrame中创建类SAS宏变量实现代码自动化？

我明白你受够了硬编码列名带来的重复工作，在Python里虽然没有SAS那样专门的宏变量，但我们可以通过变量定义、函数参数化实现完全相同的自动化效果，甚至更灵活。下面针对你的需求一步步拆解：

1. 用变量替代硬编码列名（模拟SAS宏变量） #

先把要处理的列名存成一个变量，就像SAS里的%let col1 = col1;，后续所有用到列名的地方都用这个变量：

import pandas as pd

# 定义目标列（相当于SAS宏变量）
target_col = 'col1'
# 自动生成新列名（比如col1 -> col1_RANK）
rank_col = f"{target_col}_RANK"

2. 高效计算分位数阈值 #

你原来的代码重复调用了describe()，可以先一次性计算所有分位数，再按需提取，既简洁又高效：

# 一次性获取所有需要的分位数描述统计
desc_stats = my_data[target_col].describe([.1, .2, .3])
# 提取阈值，用变量代替硬编码的'10%'等
cutoff1 = desc_stats['10%'].astype('float64')
cutoff2 = desc_stats['20%'].astype('float64')
cutoff3 = desc_stats['30%'].astype('float64')

3. 通用化的分箱函数（避免重复写逻辑） #

把分箱逻辑封装成参数化的函数，换个列名直接调用就行，不用修改函数内部的硬编码：

def assign_rank(row, target_col, cutoff1, cutoff2, cutoff3):
    val = row[target_col]
    if val <= cutoff1:
        return 1
    elif val <= cutoff2:
        return 2
    elif val <= cutoff3:
        return 3
    else:
        return 4

# 应用函数，动态指定新列名
my_data[rank_col] = my_data.apply(assign_rank, axis=1, 
                                 args=(target_col, cutoff1, cutoff2, cutoff3))

更简洁的方案：用pandas.cut一键完成 #

其实pandas自带的cut()函数可以直接实现分箱，比apply高效得多（尤其是大数据集），完全不需要写自定义函数：

# 定义分箱边界和标签
bins = [-float('inf'), cutoff1, cutoff2, cutoff3, float('inf')]
labels = [1, 2, 3, 4]

# 直接生成分箱列，动态指定列名
my_data[rank_col] = pd.cut(my_data[target_col], bins=bins, labels=labels, include_lowest=True)

扩展：批量处理多列 #

如果要处理多个列，只需要把列名放在列表里循环就行，彻底告别重复工作：

# 要处理的列列表
cols_to_process = ['col1', 'col2', 'col3']

for col in cols_to_process:
    rank_col = f"{col}_RANK"
    desc_stats = my_data[col].describe([.1, .2, .3])
    cutoff1 = desc_stats['10%'].astype('float64')
    cutoff2 = desc_stats['20%'].astype('float64')
    cutoff3 = desc_stats['30%'].astype('float64')
    bins = [-float('inf'), cutoff1, cutoff2, cutoff3, float('inf')]
    my_data[rank_col] = pd.cut(my_data[col], bins=bins, labels=[1,2,3,4], include_lowest=True)

这样不管你要处理多少列，只要修改cols_to_process列表就行，完全不用重复写代码！

内容的提问来源于stack exchange，提问作者Cagdas Kanar