Pandas 如果失败，是否为下一个分组继续qcut？

我对groupby结果应用qcut，以下是我问题的简化版本：

a = pd.DataFrame({'A':[1,1,1,1,2,2,2,2],
                  'B': [0,0,0,0,2,3,7,6]})
a.groupby(['A'])['B'].apply(lambda x: pd.qcut(x, 2))

问题是，一些团体提出ValueError，因为

raise ValueError('Bin edges must be unique: %s' % repr(bins))
ValueError: Bin edges must be unique: array([ 0.,  0.,  0.])

我想要实现的是，如果qcut失败，跳过（或将0作为结果传递）并继续下一组的qcut。

---

有什么建议吗？

您可以这样做以避免问题并回答您的问题。但是，我不确定这是否真的是您要搜索的结果：

a.groupby(['A'])['B'].apply(lambda x: pd.qcut(x, 2) if len(x.unique())>1 else x)

---

不是很紧凑，但我觉得这样行吗

ser = pd.Series()
for i,g in a.groupby('A')['B']:
    try:
        ser = ser.append(pd.qcut(g,2))
    except:
        pass
a.join(ser.rename('qcut'))

   A  B      qcut
0  1  0       NaN
1  1  0       NaN
2  1  0       NaN
3  1  0       NaN
4  2  2  [2, 4.5]
5  2  3  [2, 4.5]
6  2  7  (4.5, 7]
7  2  6  (4.5, 7]

如果您更喜欢“0”而不是“NaN”，请将“通过”替换为：

---

@JohnE的答案几乎没有变化，允许我们保留

apply

语法

def try_qcut(x,n):
    try:
        return pd.qcut(x,n)
    except ValueError:
        return x*np.nan

a.groupby('A')['B'].apply(lambda x: try_qcut(x, 2))

0         NaN
1         NaN
2         NaN
3         NaN
4    [2, 4.5]
5    [2, 4.5]
6    (4.5, 7]
7    (4.5, 7]
Name: B, dtype: object

---

这还不完全正确，因为示例数据帧在第一个组中包含所有零，

x*np.nan

也有效，

len（x.unique（））>1

是qcut的一个必要条件，但不是充分条件，如果只有Python有一行try/except语法，它仍然会失败，

pd.qcut（[0,0,1]，2）

！美好的我会留下我的答案来保存+1，但这样更好。不，你的答案也很好，我喜欢你这样使用

join

来填充空值。也许你可以用

ser=ser.append（pd.qcut（g，2））

（这只是我个人的喜好），你最好添加

.astype（str）

，否则它不能用于多个不失败的组耶，好的一点，append更干净。但是

qcut

似乎已经返回了一个字符串，所以我不知道是否需要

astype（str）

？我玩了一些例子，看不出有什么不同。@JohnE也许这只是最新的版本，但对我来说

pd.qcut（pd.Series（[1,2,3,4]），2.append（pd.qcut（pd.Series（[0,1,2,3]）

引发

ValueError:categorical concat中不兼容的类别

似乎qcut中的类别信息一旦与a连接就丢失了，那不是撞车，这是你想要的，对吧？它只会为没有崩溃的组填充qcut结果。如果您喜欢用“0”而不是“NaN”来填充，请参阅我添加的注释，或者您可以用

fillna（0）

来修复。

def try_qcut(x,n):
    try:
        return pd.qcut(x,n)
    except ValueError:
        return x*np.nan

a.groupby('A')['B'].apply(lambda x: try_qcut(x, 2))

0         NaN
1         NaN
2         NaN
3         NaN
4    [2, 4.5]
5    [2, 4.5]
6    (4.5, 7]
7    (4.5, 7]
Name: B, dtype: object