该用 pd.cut() 当需固定区间分箱（如年龄每10岁一档），用 pd.qcut() 当需等频分箱（如前25%为低收入）；长尾或重复值多时 pd.qcut() 易报错，pd.cut() 更稳定。
什么时候该用 pd.cut() 而不是 pd.qcut()
看分箱目标：想按固定区间切（比如年龄每10岁一档），用 pd.cut()；想让每档样本数尽量均匀（比如“前25%为低收入”），用 pd.qcut()。
常见错误是直接套用 pd.qcut() 处理长尾分布，结果前几档全是重复值或报 ValueError: Bin edges must be unique——因为分位点算出来重合了。
-
pd.cut()接收bins参数，可以是整数（等宽划分）、列表（自定义断点）或np.arange()生成的序列 -
pd.qcut()的q参数必须是整数或数组，但若数据中存在大量重复值（如评分里一堆5分），即使设q=4也可能无法生成4个非空箱 - 当数据量小（pd.qcut() 容易崩，优先改用
pd.cut()+ 手动算分位数
pd.qcut() 报错 Bin edges must be unique 怎么修
本质是分位点计算后出现重复值，尤其在整数型、低精度或含大量相同值的列上（如用户等级、商品评分）。
别急着换函数，先加两个参数：
立即学习“Python免费学习笔记（深入）”；
- 加
duplicates='drop'：跳过重复分位点，自动缩减箱数（比如要4箱，实际只分出3箱） - 加
precision=3（默认是2）：提高分位点浮点精度，减少因四舍五入导致的重复 - 更稳的做法是先对原始数据加极小扰动：
data + np.random.normal(0, 1e-8, len(data))，再传给pd.qcut()
示例：pd.qcut(df['score'], q=4, duplicates='drop') 比裸调用少一半报错概率。
pd.cut() 的 right 和 include_lowest 怎么配合用
这两个参数控制区间开闭和边界归属，不设清楚会导致同一数值被漏掉或归错箱。
-
right=True（默认）：区间为左开右闭，如(0, 10]，即10归这一档；right=False则变成[0, 10) -
include_lowest=True只在right=True时生效，把最左端点从开变闭，比如bins=[0,10,20]+include_lowest=True→ 第一档变成[0, 10]，否则0会被判为NaN - 真实场景中，若你定义
bins=[0, 20, 40, 60]做年龄段分组，务必加include_lowest=True，否则年龄为0的人会丢进NaN
分箱后怎么保留原始顺序又避免 NaN 箱
分箱结果出现 NaN，90% 是原始值超出了 bins 范围，或用了 pd.qcut() 但某分位点外推失败。
- 用
pd.cut()时，检查min(data)和max(data)是否落在bins[0]和bins[-1]内；超出部分默认变NaN，可加include_lowest=True+ 扩展bins边界解决 - 用
pd.qcut()时，加retbins=True拿到实际生成的分位点，再用这些点喂给pd.cut()做二次分箱，能彻底避开NaN - 无论哪种方法，分箱后立刻跑
result.isna().sum()，别等建模时报错才回头查
分箱看着简单，但边界处理、重复值、精度丢失这三块最容易在上线后悄悄污染特征分布。动手前先 value_counts(sort=False) 看一眼原始数据分布形态，比硬写参数靠谱得多。
