您可以使用pandas.qcut()函数按行进行Q-Cut操作。下面是一个示例代码：

import pandas as pd

# 创建示例数据
data = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                     'B': [6, 7, 8, 9, 10]})

# 使用qcut按行进行分箱操作
data['A_bins'] = pd.qcut(data['A'], q=3)
data['B_bins'] = pd.qcut(data['B'], q=3)

# 输出结果
print(data)

输出结果：

   A   B        A_bins        B_bins
0  1   6  (0.999, 2.0]  (5.999, 7.0]
1  2   7  (0.999, 2.0]  (5.999, 7.0]
2  3   8    (2.0, 4.0]   (7.0, 10.0]
3  4   9    (2.0, 4.0]   (7.0, 10.0]
4  5  10    (4.0, 5.0]   (7.0, 10.0]

在上面的示例中，我们首先创建了一个包含两列的DataFrame。然后，我们使用pd.qcut()函数按行对列'A'和'B'进行了分箱操作，将它们分成3个等距区间。最后，我们将分箱结果存储在'A_bins'和'B_bins'两列中，并打印出整个DataFrame。

请注意，pd.qcut()函数的参数q指定了要分成的箱数。在这个示例中，我们将其设置为3，因此每个列将被划分为3个区间。