该用 pd.cut 而不是 pd.qcut 的情况是：需与外部系统对齐固定刻度（如风控规则“年龄≤25、26–35、≥36”）时，必须用 pd.cut 并显式传入 bins 列表；而数据严重右偏时 pd.qcut 更鲁棒。
什么时候该用 pd.cut 而不是 pd.qcut
等距分箱（pd.cut）按数值范围切分，比如每 10 个单位一档；等频分箱（pd.qcut）则保证每档样本数大致相等。选哪个取决于你对“分布偏斜”的容忍度：原始数据严重右偏（如收入、访问时长），用 pd.cut 会得到大量空桶或极不均衡的桶，此时 pd.qcut 更鲁棒；但若后续要和外部系统对齐刻度（如风控规则要求“年龄≤25、26–35、≥36”），就必须用 pd.cut 并显式传入 bins 列表。
pd.qcut 报错 ValueError: Bin edges must be unique 怎么办
这是最常踩的坑——当数据中存在大量重复值（比如 80% 的用户点击数都是 0），pd.qcut 在计算分位数时可能生成重复的边界点，直接崩掉。解决方式不是删重复值，而是：
- 加参数
duplicates='drop'（推荐），让 pandas 自动去重边界，桶数可能略少于指定的q值 - 或改用
pd.cut+ 手动算分位数：np.quantile(data, np.linspace(0, 1, 6))得到 5 个分割点，再喂给pd.cut - 避免用
q=100这类高精度分箱，尤其样本量
如何让 pd.cut 和 pd.qcut 输出带标签的分类变量
默认返回的是 IntervalIndex 或 Categorical，但业务中通常需要“青年”“中年”这类可读标签。关键在 labels 参数：
-
pd.cut(x, bins=[0,25,35,60], labels=['青年','中年','老年'])—— 必须和 bin 数量匹配（n 个边界 → n−1 个标签） -
pd.qcut(x, q=3, labels=['低','中','高'])—— 同样是 q 个分位 → q−1 个区间 → q−1 个标签 - 若传入
labels=False，返回的是整数编码（0, 1, 2…），适合后续做 one-hot - 注意：一旦指定了
labels，返回类型就变成Categorical，不是Series，排序/比较行为会不同
分箱后缺失值和边界值怎么处理
pd.cut 默认把 NaN 当作缺失，结果里保持 NaN；但边界值（如 x=25 在 [0,25] 和 (25,35] 中属于哪边？）由 right 参数控制：
-
right=True（默认）→ 左开右闭，即(25,35]，25 归入前一个桶 -
right=False→ 左闭右开，即[25,35)，25 归入当前桶 - 极端值超出
bins范围时，结果为NaN，可用include_lowest=True让第一个桶包含左边界（仅对pd.cut有效） - 如果原始数据有
inf或-inf，必须先用np.isfinite过滤，否则pd.cut会静默失败或返回意外结果
q=4 分出的四分位点，上线后新数据可能让某个桶样本量骤降到个位数，导致后续统计失效。建议把分箱边界固化为配置项，而非每次动态计算。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
