cut()中的嵌套分位数

在使用cut()函数时，可以通过传递一个包含数组的列表，来实现嵌套分位数的效果。具体方法是，对划分阈值进行嵌套，将更高级别的阈值应用于剩余的块。下面给出一个示例代码：

import pandas as pd
import numpy as np

# 生成随机数据
np.random.seed(0)
data = np.random.randn(1000)

# 以两个分位数为阈值来划分数据
quantiles = [0, 0.25, 0.5, 0.75, 1]
labels = pd.qcut(data, quantiles, labels=False)

# 将数据按照上一步的标签再次划分
sub_quantiles = [0, 0.5, 1]
sub_labels = pd.qcut(data, sub_quantiles, labels=False, retbins=True)

# 在原有标签的基础上添加新的子标签
for i in range(len(quantiles)-1):
    sub_labels_i = np.unique(sub_labels[0][labels==i])
    sub_labels_i = pd.cut(sub_labels_i, sub_labels[1], labels=False, include_lowest=True)
    sub_labels_i += (i*2+1)*len(sub_quantiles)
    labels[labels == i] = sub_labels_i

# 查看结果
print(labels.value_counts().sort_index())

该方法将数据按照先后两个阈值进行划分，然后将更高级别的阈值应用于剩余的块。最终可以得到嵌套的分位数标签。