pandas多级索引分箱统计方法

文章小白一枚，正在不断学习积累知识，现将学习到的知识记录一下，也是将我的所得分享给大家！而今天这篇文章《pandas 多级索引分箱计数方法》带大家来了解一下##content_title##，希望对大家的知识积累有所帮助，从而弥补自己的不足，助力实战开发！

本文介绍如何结合 `pd.cut()` 和 `pivot_table()` 实现按 Continent 分组、对 `% Renewable` 字段分箱后统计各 bin 内国家数量，并确保结果包含所有 bins（含零计数），最终返回带 MultiIndex 的 Series。

在数据分析中，常需将连续型变量（如可再生能源占比 % Renewable）离散化为区间（即“分箱”），再按分类维度（如 Continent）统计每组内各区间频次。直接使用 groupby(['Continent', pd.cut(...)]) 会因 pd.cut() 返回的 Categorical 类型与字符串索引混合引发 TypeError: can only concatenate str (not "float") to str 错误——这是因为 pandas 在构造 MultiIndex 时尝试隐式转换失败。

推荐解法是先创建分箱列，再用 pivot_table 统计并自动补全缺失组合：

# 步骤1：生成分箱列（注意命名避免特殊字符，建议用英文下划线）
renew["renew_bin"] = pd.cut(renew["% Renewable"], bins=5)

# 步骤2：构建透视表，以 Continent 和分箱列为索引，统计 Country 数量
result = renew.pivot_table(
    index=["Continent", "renew_bin"],
    values="Country",
    aggfunc="count"
).rename(columns={"Country": "count"}).squeeze()  # 转为 Series

该方法的核心优势在于：
✅ pivot_table 默认对所有 (Continent, bin) 组合生成索引项，即使某组合无数据，也会填充 NaN（后续可 .fillna(0)）；
✅ 输出天然为 MultiIndex Series，层级结构清晰，支持 .unstack() 或 .xs() 等高级索引操作；
✅ 避免手动构造完整 bin 列表或使用 reindex() 补全，代码简洁且鲁棒。

⚠️ 注意事项：

• 若需强制显示零值（而非 NaN），追加 .fillna(0).astype(int)；
• pd.cut() 的 bins=5 表示等宽五区间，如需自定义边界，可传入列表（如 bins=[0, 15.754, 29.228, ...]）；
• 列名中含 % 符号可能引发意外问题，建议预处理列名（如 renew = renew.rename(columns={'% Renewable': 'renew_pct'})）；
• 若原始数据存在缺失值，pd.cut() 默认将其标记为 NaN，需提前用 dropna() 或 na_option='ignore' 处理。

最终结果即为符合要求的多级索引 Series，可直接用于可视化（如 result.unstack(level=1).plot.bar(stacked=True)）或进一步聚合分析。

今天关于《pandas多级索引分箱统计方法》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！