Fortsetzung von qcut für die nächste groupby-Gruppe, falls fehlgeschlagen?

Question

Ich beantrage qcut auf groupby Ergebnisse, eine vereinfachte Version meines Problems ist folgende:

a = pd.DataFrame({'A':[1,1,1,1,2,2,2,2], 
        'B': [0,0,0,0,2,3,7,6]}) 
a.groupby(['A'])['B'].apply(lambda x: pd.qcut(x, 2)) 

Das Problem ist, ein Teil der Gruppe wirft Valueerror weil

raise ValueError('Bin edges must be unique: %s' % repr(bins)) 
ValueError: Bin edges must be unique: array([ 0., 0., 0.]) 

Was ich erreichen möchte ist, Wenn qcut fehlschlägt, überspringe (oder übergebe 0 als Ergebnis) und führe die qcut für die nächste Gruppe fort. irgendwelche Vorschläge?

Answer 1

Kleine Variation @ JohnE Antwort auf uns erlauben, die apply Syntax zu halten.

def try_qcut(x,n): 
    try: 
     return pd.qcut(x,n) 
    except ValueError: 
     return x*np.nan 

a.groupby('A')['B'].apply(lambda x: try_qcut(x, 2)) 

0   NaN 
1   NaN 
2   NaN 
3   NaN 
4 [2, 4.5] 
5 [2, 4.5] 
6 (4.5, 7] 
7 (4.5, 7] 
Name: B, dtype: object 

Answer 2

Sie können dies tun, um das Problem zu vermeiden und Ihre Frage zu beantworten. Allerdings bin ich mir nicht sicher, ob dies wirklich das Ergebnis ist, das Sie suchen:

a.groupby(['A'])['B'].apply(lambda x: pd.qcut(x, 2) if len(x.unique())>1 else x) 

Answer 3

Nicht wirklich kompakt, aber ich denke, das funktioniert?

ser = pd.Series() 
for i,g in a.groupby('A')['B']: 
    try: 
     ser = ser.append(pd.qcut(g,2)) 
    except: 
     pass 
a.join(ser.rename('qcut')) 

    A B  qcut 
0 1 0  NaN 
1 1 0  NaN 
2 1 0  NaN 
3 1 0  NaN 
4 2 2 [2, 4.5] 
5 2 3 [2, 4.5] 
6 2 7 (4.5, 7] 
7 2 6 (4.5, 7] 

Wenn Sie es vorziehen, "0" auf "NaN", ersetzen Sie "Pass" mit:

ser = ser.append(pd.Series([0]*len(g)))