Pandas: 使用 df2 的分位数分箱规则对 df1 进行跨数据框分组编码_技术教程

本文详解如何从一个 dataframe（df2）按日期分组计算 qcut 分箱边界，并将这些边界精准复用于另一个 dataframe（df1）中同日期的数值分类，避免重复计算、保证逻辑一致。

在实际数据分析中，常需「用历史数据定义分箱规则，再应用于新数据」——例如：基于全量交易日志（df2）按 PriceDate 计算每日报价四分位区间，再将这些区间作为标准，对另一份样本数据（df1）进行统一归类打标。直接对 df1 单独 qcut 会因样本量小或分布偏移导致分箱不一致；而硬编码边界又缺乏可扩展性。正确解法是提取分箱边界 → 关联日期 → 动态应用 pd.cut。

以下为完整、健壮的实现流程（含边界外值容错）：

✅ 步骤 1：从参考数据（df2）提取分组分箱边界

使用 groupby(...).apply() + pd.qcut(..., retbins=True) 提取每个 PriceDate 对应的 bin 边界数组（注意 retbins=True 返回 (labels, bins) 元组，我们只需 [1]）：

ref = df2.groupby('PriceDate')['Price'].apply(
    lambda g: pd.qcut(g, q=2, retbins=True)[1]
)
ref = pd.DataFrame(ref).reset_index().rename(columns={'Price': 'Bins'})

输出示例：

    PriceDate              Bins
0  2025-10-01   [0.0, 3.2, 9.3]
1  2025-10-02  [0.7, 6.5, 10.0]

⚠️ 注意：q=2 生成 2 个分位区间（即 3 个边界点），对应 0/1 两类标签。

✅ 步骤 2：关联目标数据（df1）与分箱边界

通过 PriceDate 左连接，使 df1 每行携带其所属日期对应的 Bins 列表：

df = pd.merge(df1, ref, on='PriceDate', how='left')

此时 df['Bins'] 是 object 类型的列表列，需逐行解析。

✅ 步骤 3：定义安全分箱函数（关键！）

为应对 df1['Price'] 中可能出现的超边界值（如 -4.4

def bin_price(group):
    bins = group['Bins'].iloc[0]  # 取当前组唯一 bins 列表
    # 扩展边界：保留中间断点，两端替换为 ±inf
    extended_bins = [-np.inf] + bins[1:-1].tolist() + [np.inf]
    return pd.cut(group['Price'], bins=extended_bins, labels=False).astype('Int64')

✅ bins[1:-1] 剔除首尾冗余边界（qcut 返回的 bins 首尾常含重复极值，如 [min, q1, q2, max]，而 cut 需 [−∞, q1, q2, +∞]）
✅ .astype('Int64') 支持 NaN → pd.NA，比 int 更鲁棒

✅ 步骤 4：按日期分组应用分箱

调用 groupby('PriceDate', group_keys=False).apply() 确保每组独立处理，避免跨日期干扰：

df['GroupPr
ice'] = df.groupby('PriceDate', group_keys=False).apply(bin_price)

最终结果：

   Price   PriceDate              Bins  GroupPrice
0   -4.4  2025-10-01   [0.0, 3.2, 9.3]           0
1    3.6  2025-10-01   [0.0, 3.2, 9.3]           1
2    9.2  2025-10-01   [0.0, 3.2, 9.3]           1
3    3.4  2025-10-02  [0.7, 6.5, 10.0]           0