pandas分位数赋值异常：DataFrame新增列全为NaN求原因

嘿，我来帮你拆解下这个问题～

核心原因 #

你写的代码dataframe['row'].quantile([.1,.5,.7])会返回一个只有3个元素的Series，它的索引是你指定的分位数数值（0.1、0.5、0.7），而你的原DataFrame有5759行，行索引是从0到5758的整数序列。

当Pandas执行列赋值操作时，它会严格按照索引匹配的规则填充数据：只有当原DataFrame的行索引和右侧Series的索引完全一致时，才会填入对应的分位数值；所有索引不匹配的行，都会被填充为NaN。因为你的原DataFrame索引和分位数Series的索引完全不重合，所以整列都变成了NaN。

针对不同需求的解决方案 #

需求1：标记每行数据所属的分位数区间 #

如果你想判断每行的row值落在哪个分位数区间里，并标记对应的分位阈值，可以用pd.qcut()函数：

import pandas as pd

# 将row列按指定分位数切分，标记对应的分位值
dataframe['pc'] = pd.qcut(dataframe['row'], q=[0, 0.1, 0.5, 0.7, 1], labels=[0.1, 0.5, 0.7, 1])

这样每行的pc值会显示它所在区间的上限分位数，比如row值小于0.1分位数的，pc就是0.1；在0.1到0.5之间的，pc就是0.5，以此类推。

需求2：让pc列循环填充这三个分位数值 #

如果你只是想把这三个分位数重复填充到整个pc列，可以把分位数结果转成列表后，扩展到和DataFrame行数一致的长度：

import pandas as pd
import numpy as np

q_values = dataframe['row'].quantile([.1,.5,.7]).tolist()
# 循环扩展列表到目标长度
dataframe['pc'] = np.tile(q_values, len(dataframe) // len(q_values) + 1)[:len(dataframe)]

内容的提问来源于stack exchange，提问作者Sentinan