如何将pandas.cut的区间左边界设为输出标签？

问题描述 #

现有如下DataFrame：

import pandas as pd
df = pd.DataFrame(
    {
        'high': [110, 110, 101, 101, 115, 300],
    }
)

期望生成包含bin列的输出，其中bin值为对应区间的左边界：

high  bin
0   110  105.0
1   110  105.0
2   101  100.0
3   101  100.0
4   115  111.0
5   300  220.0

使用pd.cut尝试生成bin列，但返回的是区间类别而非左边界数值：

import numpy as np    
evaluation_bins = [100, 105, 111, 120, 220, np.inf]    
df['bin'] = pd.cut(df['high'], bins=evaluation_bins, include_lowest=True, right=False)

解决方案 #

pd.cut返回的IntervalArray类型对象，每个元素的left属性即为区间左边界，直接提取即可：

方法1：向量化提取（推荐，效率更高） #

直接访问pd.cut结果的.left属性，一步生成目标列：

import numpy as np    
evaluation_bins = [100, 105, 111, 120, 220, np.inf]    
df['bin'] = pd.cut(df['high'], bins=evaluation_bins, include_lowest=True, right=False).left

方法2：apply遍历提取 #

适合需要额外处理区间的场景：

import numpy as np    
evaluation_bins = [100, 105, 111, 120, 220, np.inf]    
# 先生成区间列
df['bin_interval'] = pd.cut(df['high'], bins=evaluation_bins, include_lowest=True, right=False)
# 提取左边界
df['bin'] = df['bin_interval'].apply(lambda x: x.left)
# 可选：删除中间区间列
df.drop('bin_interval', axis=1, inplace=True)

执行后即可得到期望的输出结果。

内容的提问来源于stack exchange，提问作者AmirX