Python Pandas qcut行为，其中有＃个观察值不能被＃个箱整除

假设我有一系列美元值(value)的 Pandas ，并想使用qcut离散成9组。观察值＃不能被9整除。在这种情况下，SQL Server的ntile函数具有一种标准方法:它使9个组1中的前n个观察值大于其余(9-n)组。

我在 Pandas 中注意到，哪些组具有x个观测值与x + 1个观测值的分配似乎是随机的。我试图用算法解密代码，以了解分位数功能如何处理此问题，但无法解决。

我有三个相关的问题:

那里有任何 Pandas 开发人员可以解释qcut的行为吗？哪个组获得更多的观察值是随机的？

是否有一种方法可以强制qcut的行为与NTILE类似(即，第一组获得x +1个观测值)？

如果对＃2的回答为否，那么关于函数的任何想法都将类似于NTILE？ (如果这是一项复杂的工作，那么只需概述您的方法即可。)

这是SQL Server的NTILE输出的示例。

Bin |# Observations
1   26
2   26
3   26
4   26
5   26
6   26
7   26
8   25
9   25

这是 Pandas :

Bin |# Observations
1   26
2   26
3   26
4   25 (Why is this 25 vs others?)
5   26
6   26
7   25 (Why is this 25 vs others?)
8   26
9   26

最佳答案

qcut的行为类似于此，因为它更准确。这是一个例子:

对于第i级，它从分位数(i-1)* 10％开始:

import pandas as pd
import numpy as np

a = np.random.rand(26*10+3)
r = pd.qcut(a, 10)
np.bincount(r.labels)

输出为:

array([27, 26, 26, 26, 27, 26, 26, 26, 26, 27])

如果需要NTILE，则可以自己计算分位数:

n = len(a)
ngroup = 10

counts = np.ones(ngroup, int)*(n//ngroup)
counts[:n%ngroup] += 1

q = np.r_[0, np.cumsum(counts / float(n))]
q[-1] = 1.0
r2 = pd.qcut(a, q)
np.bincount(r2.labels)

输出为:

array([27, 27, 27, 26, 26, 26, 26, 26, 26, 26])

关于Python Pandas qcut行为，其中有＃个观察值不能被＃个箱整除，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/20726493/