如何按列计算DataFrame中各数值列的十分位秩？

嘿，这个问题我之前也踩过坑！直接用pd.qcut(df, 10, labels=False)确实会把整个DataFrame的所有数据混在一起计算分位数，完全不是按列独立计算的逻辑。要实现按列生成十分位秩，用apply()方法就能轻松解决——它会帮你把分箱逻辑逐个应用到每一列上。

核心解决方案代码 #

先给你最直接的实现方式，搭配示例DataFrame演示：

import pandas as pd
import numpy as np

# 生成测试用的DataFrame（包含不同分布的数值列）
np.random.seed(42)
df = pd.DataFrame({
    'col1': np.random.randn(100),  # 标准正态分布
    'col2': np.random.randn(100) * 2 + 5,  # 均值5、标准差2的正态分布
    'col3': np.random.randint(0, 100, 100)  # 0-99的整数
})

# 按列计算十分位秩（返回0-9的索引，对应第1到第10个十分位）
decile_ranks = df.apply(lambda col: pd.qcut(col, 10, labels=False))

# 查看结果
print(decile_ranks.head())

代码解释 #

• df.apply()会遍历DataFrame的每一列，把每一列作为单独的Series传给lambda函数的col参数；
• pd.qcut(col, 10, labels=False)针对当前列的数据，将其分成10个等频的分箱区间，labels=False表示返回每个值对应的分箱索引（从0开始计数）；
• 最终得到的decile_ranks是一个和原DataFrame形状完全一致的新DataFrame，每个值代表对应原数据在该列的十分位排名。

额外优化与注意事项 #

1. 让标签从1开始计数：如果你希望十分位秩从1到10（而不是0到9），可以指定labels参数：

decile_ranks = df.apply(lambda col: pd.qcut(col, 10, labels=range(1, 11)))

2. 处理重复值过多的情况：如果某列存在大量重复值，导致无法均匀分成10个分箱，会抛出错误。这时可以添加duplicates='drop'参数自动调整分位数，避免报错：

decile_ranks = df.apply(lambda col: pd.qcut(col, 10, labels=False, duplicates='drop'))

3. 处理缺失值：如果列中有NaN，pd.qcut会默认保留这些缺失值，结果对应位置也是NaN。如果需要提前去除缺失值，可以在lambda里先处理：

decile_ranks = df.apply(lambda col: pd.qcut(col.dropna(), 10, labels=False).reindex(col.index))

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