如何利用DataFrame中A列的Decile断点统计多列行数并简化实现？

嘿，我懂你面对大量列时，手动写一堆loc区间判断有多崩溃——咱们来把这个流程彻底简化，让它能轻松适配多列场景！

核心思路 #

1. 一次性获取A列的十分位断点：用pd.qcut的retbins=True参数直接拿到分箱边界，不用再从分组结果里手动提取最大值。
2. 用统一断点批量分箱：拿到断点后，用pd.cut给所有需要统计的列（比如B、C、D...）自动分箱，替换掉繁琐的手动区间判断。
3. 批量统计合并结果：通过循环处理多列，自动生成每列的分箱计数，再合并成最终表格。

具体代码实现 #

第一步：读取数据并获取A列的十分位断点

import pandas as pd
import numpy as np

# 读取Excel文件（注意路径前面加r避免转义问题）
df = pd.read_excel(r"E:\Sai\Development\UCG\qcut.xlsx")

# 对A列做10分位划分，同时返回分箱断点（retbins=True）
_, a_bins = pd.qcut(df['a'], 10, retbins=True)

# 可选：把首尾边界设为正负无穷，确保所有数据都能被分箱（避免极端值漏判）
a_bins[0] = -np.inf
a_bins[-1] = np.inf

第二步：对A列和目标列批量分箱

# 给A列添加1-10的分箱标签
df['a_decile'] = pd.cut(df['a'], bins=a_bins, labels=range(1, 11))

# 假设要统计的列是B，这里可以扩展到多列
target_cols = ['b']  # 后续加其他列直接往列表里加就行，比如['b', 'c', 'd']

# 循环给每个目标列分箱
for col in target_cols:
    df[f'{col}_decile'] = pd.cut(df[col], bins=a_bins, labels=range(1, 11))

第三步：统计并合并结果

# 统计A列各分箱的行数
count_a = df['a_decile'].value_counts().sort_index().rename('count_A').reset_index()
count_a = count_a.rename(columns={'index': 'decile'})

# 初始化最终结果表
final_result = count_a

# 循环统计每个目标列的分箱行数，合并到结果表
for col in target_cols:
    count_col = df[f'{col}_decile'].value_counts().sort_index().rename(f'count_{col.upper()}').reset_index()
    count_col = count_col.rename(columns={'index': 'decile'})
    final_result = pd.merge(final_result, count_col, on='decile')

# 添加区间范围列（可选，根据需求调整小数位数）
final_result['Range'] = [f"{a_bins[i]:.2f} → {a_bins[i+1]:.2f}" for i in range(len(a_bins)-1)]

# 调整列顺序，让结果更清晰
final_result = final_result[['Range', 'decile', 'count_A'] + [f'count_{col.upper()}' for col in target_cols]]

为什么这个方案更优？ #

• 避免手动区间错误：不用再写一堆(df['b']>x) & (df['b']<=y)的判断，减少写错区间的概率。
• 轻松扩展多列：只要往target_cols列表里加列名，就能自动完成所有列的统计，完全适配大量列的场景。
• 逻辑更清晰：从获取断点→分箱→统计的流程一目了然，后续维护也更方便。

小提示 #

如果你的数据里有缺失值，可以在value_counts里加dropna=False参数，保留缺失值的统计结果：

count_a = df['a_decile'].value_counts(dropna=False).sort_index().rename('count_A').reset_index()

内容的提问来源于stack exchange，提问作者Venky