Pandas裁剪行为的#观测值不能被# of bins整除

Question

假设我有一个熊猫系列的美元价值，并想要离散成9组使用qcut。观察的#不能被9除。Server的ntile函数为这种情况提供了一种标准方法:它使9个组中的第一个n个观察值大于其余的(9-n)组。

我注意到，在熊猫中，对于x+1的观察，哪些组的任务似乎是随机的。我试着用algos破译代码，找出分位数函数是如何处理这个问题的，但没有弄清楚。

我有三个相关的问题：

1. 有任何熊猫开发商能解释qcut的行为吗?是随机的，哪一组得到的观察更多？
2. 是否有一种方法可以强迫qcut与NTILE类似(即第一组得到x+1观测)？
3. 如果#2的答案是否定的，那么对于一个像NTILE那样的函数，有什么想法吗？(如果这是一项复杂的工作，那么简单地介绍一下您的方法就会有帮助。)

下面是Server的NTILE输出的一个示例。

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

这是熊猫：

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

Answer 1

qcut的行为是这样的，因为它更精确。下面是一个示例：

对于i_th级别，它以分位数(_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)

产出如下：

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

如果您想要NTILE，您可以自己计算分数：

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)

产出如下：

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