データに結びついているときにパンダで分位数ビンを計算する方法は？

Question

以下の簡単な例を考えてみましょう。分位数に対応するカテゴリを含むカテゴリ変数を取得することに興味があります。

df = pd.DataFrame({'A':'foo foo foo bar bar bar'.split(), 
         'B':[0, 0, 1]*2}) 

df 
Out[67]: 
    A B 
0 foo 0 
1 foo 0 
2 foo 1 
3 bar 0 
4 bar 0 
5 bar 1 

パンダでは、qtileがジョブを実行します。残念ながら、qtileはデータの関係が原因でここで失敗します。

df['C'] = df.groupby(['A'])['B'].transform(
        lambda x: pd.qcut(x, 3, labels=range(1,4))) 

ができます古典的なValueError: Bin edges must be unique: array([ 0. , 0. , 0.33333333, 1. ])

車輪の再発明をする必要はありません（他のPythonパッケージから）別の堅牢なソリューションがありますか？

する必要があります。私は自分自身の分位数bin関数をコード化したくない。まともな統計パッケージでは、分位数ビン（SAS、Stataなど）を作成するときの結びつきを処理できます。

私は、方法論的な選択肢が堅牢で堅牢であることに基づいています。

たとえば、SAS https://support.sas.com/documentation/cdl/en/proc/61895/HTML/default/viewer.htm#a000146840.htmのソリューションをご覧ください。

また、Stata（http://www.stata.com/manuals13/dpctile.pdf）のよく知られているxtileについては、こちらをご覧ください。これをメモしてくださいDefinitive way to match Stata weighted xtile command using Python?

私は何が欠けていますか？たぶんScipyを使用していますか？

多くの感謝！

Answer 1

IIUC、あなたはnumpy.digitize

df['C'] = df.groupby(['A'])['B'].transform(lambda x: np.digitize(x,bins=np.array([0,1,2]))) 

    A B C 
0 foo 0 1 
1 foo 0 1 
2 foo 1 2 
3 bar 0 1 
4 bar 0 1 
5 bar 1 2