Pandas如何根据值的大小分级_使用cut将数据划分为等级标签

pd.cut默认返回Interval对象而非字符串标签，需显式传入labels=['低','中','高']才能获得自定义等级；bins为数字时做等宽分箱，样本数不均衡；等频分箱应使用pd.qcut，并注意重复值和空值处理。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 qcutpd.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。 Mokker AI AI产品图添加背景