如何在Pandas DataFrame中高效对分数分桶并按日期分组

看你现在需要给分数按自定义区间分箱，然后按日期统计每个区间的人数，原来手动累加单个分数列的做法确实繁琐又容易出错，这里有个更简洁高效的实现方式：

示例数据 #

先还原你的示例数据：

import pandas as pd

data = {
    'Id': [1,2,3,4,5,6,7,8,9,10],
    'Date': ['2018-01-01']*5 + ['2018-01-02']*5,
    'Score': [56,72,91,67,65,75,72,91,82,81]
}
df = pd.DataFrame(data)

实现步骤 #

1. 定义分箱规则 #

先明确我们的分箱区间和对应的标签：

# 分箱区间：(-∞,60), [60,80), [80,100]
bins = [-float('inf'), 60, 80, 100]
# 对应区间的显示标签
labels = ['<60', '60-79', '80-100']

2. 给分数列打分箱标签 #

用pd.cut把每个分数映射到对应的区间标签：

# right=False 表示区间左闭右开，比如60会被分到60-79区间
df['Score_Bin'] = pd.cut(df['Score'], bins=bins, labels=labels, right=False)

3. 按日期统计各区间人数 #

这里有两种简单的方式实现：

方式一：使用交叉表pd.crosstab

result = pd.crosstab(df['Date'], df['Score_Bin'])
# 确保所有标签列都存在（避免某个区间无数据时列缺失）
result = result.reindex(labels, axis=1)

方式二：使用分组统计groupby + value_counts

result = df.groupby('Date')['Score_Bin'].value_counts().unstack(fill_value=0)
result = result.reindex(labels, axis=1)

最终输出结果 #

两种方法都会得到你想要的格式：

这个方法的好处是：不管分数范围怎么变，只需要修改bins和labels就能快速调整分箱规则，不用再手动累加几十个分数列，代码更易维护也更不容易出错～

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