Python 当数据中存在关联时，如何计算熊猫中的分位数箱？

考虑下面的简单示例。我感兴趣的是得到一个分类变量，它包含与分位数对应的类别

  df = pd.DataFrame({'A':'foo foo foo bar bar bar'.split(),
                       'B':[0, 0, 1]*2})

df
Out[67]: 
     A  B
0  foo  0
1  foo  0
2  foo  1
3  bar  0
4  bar  0
5  bar  1

在Pandas中，

qtile

执行此任务。不幸的是，

qtile

将在此处失败，因为数据中存在连接

df['C'] = df.groupby(['A'])['B'].transform(
                     lambda x: pd.qcut(x, 3, labels=range(1,4)))

给出经典的

ValueError:Bin边必须唯一：数组（[0,0,0.33333333,1.]）

是否有另一个不需要重新发明轮子的健壮解决方案（来自任何其他python包）

一定是这样。我不想自己编写自己的分位数bin函数。任何像样的统计数据包都可以在创建分位数箱时处理关系（

SAS

，

Stata

，等等）

我想要一种基于合理方法选择和稳健的方法

例如，在这里查找SAS中的解决方案

或者在这里查看Stata（）中众所周知的xtile。请注意这篇文章

我错过了什么？可能使用

Scipy

非常感谢

IIUC，您可以使用

---

谢谢@NickilMaveli，但它似乎是

numpy.digitized

不创建分位数仓，而是创建线性间隔仓。在这种情况下，您可以将

pd.quantile（）

方法的输出传递到

np.digized

函数。如果存在非唯一值，那么它将分配与最后一个四分位数（这里是3）关联的整数。这确实是一个很好的建议。不幸的是，我认为把它们放在最小的四分位数更为常见。。也许还有另一种解决办法。。

df['C'] = df.groupby(['A'])['B'].transform(lambda x: np.digitize(x,bins=np.array([0,1,2])))

     A  B  C
0  foo  0  1
1  foo  0  1
2  foo  1  2
3  bar  0  1
4  bar  0  1
5  bar  1  2