<p>编辑:以下答案仅对小于0.15.0的熊猫版本有效。如果您正在运行熊猫15或更高版本,请参见:</p>
<pre><code>data3['bins_spd'] = pd.qcut(data3['spd_pct'], 5, labels=False)
</code></pre>
<p>感谢@unutbu指出这一点。:)</p>
<p>假设您有一些数据要装箱,在我的例子中,选项是展开的,并且您希望创建一个新变量,其中包含与每个观察值对应的存储桶。上面提到的链接可以通过以下方式完成此操作:</p>
<pre><code>print pd.qcut(data3['spd_pct'], 40)
(0.087, 0.146]
(0.0548, 0.087]
(0.146, 0.5]
(0.146, 0.5]
(0.087, 0.146]
(0.0548, 0.087]
(0.5, 2]
</code></pre>
<p>它给出了对应于每个观察的bin端点。但是,如果您想要每个观测对应的箱子编号,则可以执行以下操作:</p>
<pre><code>print pd.qcut(data3['spd_pct'],5).labels
[2 1 3 ..., 0 1 4]
</code></pre>
<p>如果您想创建一个只包含箱号的新变量,那么将其放在一起就足够了:</p>
<pre><code>data3['bins_spd']=pd.qcut(data3['spd_pct'],5).labels
print data3.head()
secid date symbol symbol_flag exdate last_date cp_flag 0 5005 1/2/1997 099F2.37 0 1/18/1997 NaN P
1 5005 1/2/1997 09B0B.1B 0 2/22/1997 12/3/1996 P
2 5005 1/2/1997 09B7C.2F 0 2/22/1997 12/11/1996 P
3 5005 1/2/1997 09EE6.6E 0 1/18/1997 12/27/1996 C
4 5005 1/2/1997 09F2F.CE 0 8/16/1997 NaN P
strike_price best_bid best_offer ... close volume_y return 0 7500 2.875 3.2500 ... 4.5 99200 0.074627
1 10000 5.375 5.7500 ... 4.5 99200 0.074627
2 5000 0.625 0.8750 ... 4.5 99200 0.074627
3 5000 0.125 0.1875 ... 4.5 99200 0.074627
4 7500 3.000 3.3750 ... 4.5 99200 0.074627
cfadj_y open cfret shrout mid spd_pct bins_spd
0 1 4.5 1 57735 3.06250 0.122449 2
1 1 4.5 1 57735 5.56250 0.067416 1
2 1 4.5 1 57735 0.75000 0.333333 3
3 1 4.5 1 57735 0.15625 0.400000 3
4 1 4.5 1 57735 3.18750 0.117647 2
[5 rows x 35 columns]
</code></pre>
<p>希望这能帮助别人。至少现在应该更容易搜索。:)</p>