ValueError: Bin edges must be unique: Index([0.0, 0.0, 0.0, 1.25, 5.0], dtype='float64').
pd.qcut a calculat marginile intervalelor din cuantile, dar multe valori sunt egale (de exemplu multe zerouri), iar unele margini au ieșit identice. Folosește duplicates="drop" (vei avea mai puține grupe), mai puține grupe (q mai mic) sau pd.cut cu margini alese de tine.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
pd.qcut(valori, q=4) împarte valorile în 4 grupe cu (aproximativ) același număr de elemente, folosind cuantilele ca margini: minimul, 25%, 50%, 75%, maximul. Dacă jumătate din valori sunt 0, atunci minimul, cuantila de 25% și mediana sunt toate 0. Marginile repetate ar forma intervale goale, iar pandas refuză: Bin edges must be unique, cu lista marginilor calculate, ca să vezi unde se repetă.
Apare tipic pe date cu multe valori identice: cantități (multe 0 sau 1), note întregi, numărul de comenzi al clienților (majoritatea au 1).
Mesajul complet sugerează și soluția: „You can drop duplicate edges by setting the 'duplicates' kwarg”. Cu duplicates="drop" dispar marginile duble, dar primești mai puține grupe decât ai cerut, deci și etichetele trebuie ajustate.
De ce apare: cauzele frecvente
1Multe valori egale
pd.qcut(df["comenzi"], q=4)pd.qcut(df["comenzi"], q=4, duplicates="drop")Marginile repetate sunt eliminate; rezultatul are mai puține intervale, dar e valid.
2Prea multe grupe pentru datele tale
pd.qcut(df["nota"], q=10, labels=False)pd.qcut(df["nota"].rank(method="first"), q=10, labels=False)rank(method="first") dă fiecărei valori un loc unic, deci cuantilele nu se mai repetă (valorile egale pot ajunge însă în grupe vecine).
3Grupe cu sens de business
pd.qcut(df["cantitate"], q=3, labels=["mic", "mediu", "mare"])pd.cut(df["cantitate"], bins=[-1, 0, 5, float("inf")], labels=["zero", "mic", "mare"])Cu pd.cut alegi tu marginile, deci nu depind de cât de des apare o valoare.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Bin edges must be unique, pentru că mulți clienți au o singură comandă. Împarte clienții în 4 grupe după numărul de comenzi folosind clasamentul lor (rank(method="first")) înainte de qcut, apoi afișează grupa fiecărui client (0–3).
import pandas as pd
df = pd.DataFrame({
"client": ["A", "B", "C", "D", "E", "F", "G", "H"],
"comenzi": [1, 1, 1, 1, 1, 2, 4, 9],
})
df["grupa"] = pd.qcut(df["comenzi"], q=4, labels=False)
print(df["grupa"].tolist())[0, 0, 1, 1, 2, 2, 3, 3]
Indiciu
pd.qcut(df["comenzi"].rank(method="first"), q=4, labels=False).
Reparația
import pandas as pd
df = pd.DataFrame({
"client": ["A", "B", "C", "D", "E", "F", "G", "H"],
"comenzi": [1, 1, 1, 1, 1, 2, 4, 9],
})
df["grupa"] = pd.qcut(df["comenzi"].rank(method="first"), q=4, labels=False)
print(df["grupa"].tolist())De ce merge
Cinci din opt clienți au o comandă, deci minimul, cuantila de 25% și mediana sunt toate 1, iar marginile se repetă. rank(method="first") dă fiecărui client un loc unic în clasament (1–8, egalitățile în ordinea apariției), deci qcut poate face 4 grupe de câte 2 clienți: 0 = cei mai puțin activi, 3 = cei mai activi.
Alte forme ale mesajului
ValueError: Bin edges must be unique: Index([1, 1, 2, 3], dtype='int64').ValueError: Bin edges must be unique: array([0., 0., 1., 5.]).
Cum o eviți pe viitor
- Înainte de
qcut, uită-te ladf["col"].value_counts().head(): dacă o valoare apare foarte des, cuantilele se vor repeta. - Pentru date cu multe valori identice, alege
pd.cutcu praguri fixe. - Dacă folosești
duplicates="drop", nu dalabelscu număr fix sau verifică numărul de grupe obținut. - Pentru segmentări de tip RFM,
rank(method="first")înainte deqcute soluția obișnuită.
Întrebări frecvente
De ce duplicates="drop" dă eroare când am pus labels?
Pentru că după eliminarea marginilor duble rămân mai puține intervale decât etichete. Ori renunți la labels, ori folosești labels=False (numărul grupei), ori alegi altă metodă de grupare.
Care e diferența dintre pd.cut și pd.qcut?
pd.cut împarte după valori (praguri alese de tine sau intervale egale), iar pd.qcut după poziția în clasament (grupe cu același număr de elemente). qcut e util pentru „top 25%”, cut pentru praguri fixe ca „sub 50 de lei”.
Erori înrudite
ValueError: bins must increase monotonically. Marginile date la pd.cut (bins=) nu sunt în ordine crescătoare: o margine e mai mică decât cea dinaintea ei, de obicei din cauza unei greșeli de tastare (2000 în loc de 200) sau a unei liste construite în altă ordine. Scrie marginile crescător, de la cea mai mică la cea mai mare. ValueError: Bin labels must be one fewer than the number of bin edges La pd.cut, lista labels trebuie să aibă cu un element mai puțin decât lista bins: 4 margini fac 3 intervale, deci 3 etichete. Numără marginile și etichetele; de obicei lipsește o margine (prima sau ultima) sau ai o etichetă în plus. ValueError: Index contains duplicate entries, cannot reshape pivot (sau unstack) a găsit mai multe rânduri pentru aceeași pereche rând-coloană din tabelul final și nu știe ce valoare să pună în celulă. Folosește pivot_table cu o agregare (aggfunc="sum" sau "mean") sau elimină duplicatele înainte. Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
