...
Eroare Python pentru analiza datelor · Intervale și categorii: cut, qcut

ValueError: Bin edges must be unique: Index([0.0, 0.0, 0.0, 1.25, 5.0], dtype='float64').

Pe scurt

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

Greșit
PYTHON
pd.qcut(df["comenzi"], q=4)
Corect
PYTHON
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

Greșit
PYTHON
pd.qcut(df["nota"], q=10, labels=False)
Corect
PYTHON
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

Greșit
PYTHON
pd.qcut(df["cantitate"], q=3, labels=["mic", "mediu", "mare"])
Corect
PYTHON
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 tu

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).

Codul care dă eroarea
PYTHON
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())
După reparație, programul afișează
[0, 0, 1, 1, 2, 2, 3, 3]
Indiciu

pd.qcut(df["comenzi"].rank(method="first"), q=4, labels=False).

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 la df["col"].value_counts().head(): dacă o valoare apare foarte des, cuantilele se vor repeta.
  • Pentru date cu multe valori identice, alege pd.cut cu praguri fixe.
  • Dacă folosești duplicates="drop", nu da labels cu număr fix sau verifică numărul de grupe obținut.
  • Pentru segmentări de tip RFM, rank(method="first") înainte de qcut e 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

← Toate erorile Python pentru analiza datelor

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

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.