基于浮点数范围分配数据分类值（无法使用range()）的技术问题

核心思路 #

不用range()，直接用比较运算符判断浮点数是否落在目标区间即可，Python原生支持浮点数的大小比较，完全能满足需求。

具体实现步骤 #

1. 把分类规则整理成结构化数据，方便遍历匹配：

# 定义分类规则：每条规则包含区间上下限和对应标签
category_rules = [
    {"min_val": 1.1, "max_val": 1.8, "label": "blue"}
    # 后续可扩展更多规则，比如 {"min_val": 1.8, "max_val": 2.5, "label": "red"}
]

2. 结构化你的数据点：

data_point = {"value": "a", "begin": 1.1, "end": 1.67}

3. 编写匹配逻辑（以数据点整个时间区间落在分类区间内为例）：

def classify_data_point(data, rules):
    for rule in rules:
        # 判断数据点的时间范围完全处于规则区间内
        if rule["min_val"] <= data["begin"] and data["end"] <= rule["max_val"]:
            return rule["label"]
    # 无匹配规则时返回默认值
    return "unclassified"

# 测试执行
result = classify_data_point(data_point, category_rules)
print(f"数据点'{data_point['value']}'分类结果：{result}")

运行后会输出：数据点'a'分类结果：blue

补充说明 #

• 若需要判断数据点区间与规则区间存在重叠，可把判断逻辑改为：not (data["end"] < rule["min_val"] or data["begin"] > rule["max_val"])
• 浮点数精度问题：遇到1.8000000001这类接近边界的数值时，可给区间边界加极小容差（比如rule["max_val"] + 1e-9），避免精度误差导致误判

内容的提问来源于stack exchange，提问作者cory Jackson