如何用Polars实现与pandas.cut一致的列分箱行为？

问题场景 #

给定分数列表 scores = [1111, 65, 88, -1111, 92] 和断点 breaks = [0, 50, 60, 70, 80, 90, 100]：

• pandas.cut会将超出断点范围的值（如1111、-1111）对应的分箱设为Null
• polars.Series.cut默认会自动生成(-inf, 0]和(100, inf]这类包含无穷的区间，而非Null

需实现Polars与pandas.cut完全一致的分箱效果。

解决方案 #

方法1：使用include_outer_boundaries=False参数（推荐） #

Polars的cut方法提供了include_outer_boundaries参数，设置为False后，会严格遵循给定断点生成区间，超出范围的值直接返回Null，完全匹配pandas.cut的默认行为：

import polars as pl

scores = [1111, 65, 88, -1111, 92]
breaks = [0, 50, 60, 70, 80, 90, 100]

s = pl.Series(scores)
result = s.cut(breaks, include_outer_boundaries=False)
print(result)

输出结果：

shape: (5,)
Series: 'scores' [cat]
[
        null
        (60, 70]
        (80, 90]
        null
        (90, 100]
]

方法2：手动过滤含无穷的区间（兼容旧版本） #

若使用的Polars版本低于0.18.0（该版本才引入include_outer_boundaries参数），可先执行默认分箱，再将包含无穷的区间替换为Null：

import polars as pl

scores = [1111, 65, 88, -1111, 92]
breaks = [0, 50, 60, 70, 80, 90, 100]

s = pl.Series(scores)
# 执行默认分箱
result = s.cut(breaks)
# 替换含无穷的区间为Null
result = result.map_elements(
    lambda x: x if "-inf" not in str(x) and "inf" not in str(x) else None,
    return_dtype=pl.Categorical
)
print(result)

输出结果与方法1完全一致。

说明 #

• 方法1是最优解，代码简洁且性能更优，无需额外的过滤操作
• 方法2作为兼容方案，通过字符串匹配识别含无穷的区间，适合无法升级Polars版本的场景

内容的提问来源于stack exchange，提问作者tdy