Pandas根据值分级，使用cut划分等级标签

想用Pandas对数值进行等级划分却总得到Interval区间或NaN？关键在于：`pd.cut`默认不返回“低/中/高”这类字符串标签，必须显式传入`labels=['低','中','高']`；用`bins=3`做的是等宽分箱，样本分布不均时会失真，真正按人数均分得换`pd.qcut`；而空值、重复值、边界归属（如最小值被意外排除）和右闭左开的默认设定，更是导致结果错乱、全为NaN的隐形杀手——掌握这三处核心陷阱，再辅以`value_counts(dropna=False)`先行探查数据分布，分级才能既准确又可靠。

用 pd.cut 做等宽分箱，但结果不是你想要的等级标签？

直接说结论：pd.cut 默认只返回区间对象（Interval），不是字符串标签。你看到的 (0.999, 2.0] 这类输出，不能直接当“低”“中”“高”用。

常见错误现象：调用 pd.cut(df['score'], bins=3) 后，想用 .map({'(0.999, 2.0]': '低'})，结果全变成 NaN——因为实际类型是 Interval，不是字符串。

• 必须显式传入 labels 参数才能得到自定义标签，例如 labels=['低', '中', '高']
• 如果 labels=False（默认值），返回的是整数编码（0,1,2…），不是区间也不是文字
• bins 为数字时（如 bins=3），划分的是等宽区间，不保证每组样本数均衡——想按数量均分得用 pd.qcut

想按百分位数分“前20%为高、中间60%为中、后20%为低”，别用 cut，改用 qcut

pd.cut 划的是数值范围，pd.qcut 划的是样本顺序位置。比如考试分数分布右偏，用 cut 可能把 90 分以上全挤进一个窄区间，而 qcut 能确保“高”组真有 20% 的人。

• pd.qcut(df['score'], q=[0, 0.2, 0.8, 1], labels=['低', '中', '高']) —— 显式指定分位点更可控
• 避免用 q=4 这种模糊写法，因重复值可能导致某组为空，抛出 ValueError: Bin edges must be unique
• 如有大量相同值（如很多 0 分），qcut 容易报错；此时可先加极小扰动：df['score'] + np.random.normal(0, 1e-8, len(df))

cut 的 right 和 include_lowest 参数影响边界归属，不设对会漏数据

默认 right=True 表示区间右闭左开，即 (a, b]；最小值如果等于第一个 bin 边界，会被排除——除非打开 include_lowest=True。

• 例如 pd.cut([1,2,3,4], bins=[1,3,5]) 返回 [NaN, (1, 3], (1, 3], (3, 5]]，因为 1 落在左开区间外
• 加上 include_lowest=True，1 就归入第一组：[[1, 3], [1, 3], [1, 3], (3, 5]]
• 若要左闭右开（[a, b)），设 right=False，但注意此时最大值可能被排除，需手动扩展 bins 上界

分级结果含 NaN？先检查原始数据有没有缺失或无穷值

pd.cut 和 pd.qcut 遇到 np.nan、np.inf 或 -np.inf 一律返回 NaN，不会报错，容易忽略。

• 运行前务必检查：df['score'].isna().sum()、np.isinf(df['score']).sum()
• 若允许缺失参与分级，得先填充（如用中位数）：df['score'].fillna(df['score'].median())
• 不要依赖 errors='ignore'——这个参数在 cut/qcut 中根本不存在，是常见误解

边界值处理、分位逻辑、空值传染——这三个地方出问题，分级标签就不可信。实际用的时候，先 value_counts(dropna=False) 看一眼原始分布，比直接跑 cut 省半小时调试。

终于介绍完啦！小伙伴们，这篇关于《Pandas根据值分级，使用cut划分等级标签》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！