如何基于特定值为Pandas DataFrame分配分组编号？

嘿，这个需求其实很容易实现，用Pandas的分箱工具就能搞定。我给你两种靠谱的方案，根据你的实际场景选就行：

方案一：按等数量分组（推荐） #

因为你要求把排序后的a列划分为10组，每组数量一致，用pd.qcut()是最适合的——它会按数据的分位数切割，保证每组的样本数量尽可能相等。

代码示例 #

import pandas as pd

# 初始化你的DataFrame
df = pd.DataFrame({'a': range(20)})

# 生成1-10的分组编号
df['group_num'] = pd.qcut(df['a'], q=10, labels=range(1, 11))

结果预览 #

a  group_num
0   0          1
1   1          1
2   2          2
3   3          2
4   4          3
5   5          3
...
18  18         10
19  19         10

方案二：按数值区间分组 #

如果你的需求是按固定数值范围分组（比如0-1为组1，2-3为组2...），可以用pd.cut()，它会按指定的区间切割数据。因为你的a列是均匀分布的0-19，这个方案也能得到和上面一样的结果：

代码示例 #

df['group_num'] = pd.cut(df['a'], bins=10, labels=range(1, 11))

小提示 #

• 如果你的数据不是均匀分布的（比如有大量重复值或极端值），优先选qcut，它能保证每组的样本数量更均衡；
• 如果你需要自定义分组区间，可以给bins参数传入具体的区间列表，比如bins=[0,2,4,...,20]。

内容的提问来源于stack exchange，提问作者user3595632