如何为DataFrame每行动态设置polars Expr.cut的breaks参数？

问题分析 #

你需要为DataFrame每行的Value列，基于该行的BinMin和BinMax动态生成50个等间隔的breaks，再用Expr.cut分箱。但np.linspace无法直接接受Polars的表达式对象，导致报错。核心原因是cut的breaks参数默认需要静态序列，而你需要行级动态生成breaks。

解决方案 #

方法1：使用map_elements结合自定义函数 #

通过将每行的Value、BinMin、BinMax打包为结构体，再用map_elements调用自定义函数生成breaks并分箱，这是最直观的实现方式：

import numpy as np
import polars as pl

def dynamic_cut(row):
    # 为当前行生成50个等间隔的breaks
    breaks = np.linspace(row["BinMin"], row["BinMax"], 50)
    # 对当前行的Value进行分箱
    return pl.Series([row["Value"]]).cut(breaks)[0]

df = pl.DataFrame({"Value": [12, 35, 80], "BinMin": [0, 10, 50], "BinMax": [100, 60, 90]})

result = df.with_columns(
    pl.struct(["Value", "BinMin", "BinMax"])
    .map_elements(dynamic_cut, return_dtype=pl.Categorical)
    .alias("Bin")
)

print(result)

输出结果：

┌───────┬────────┬────────┬───────────────────────┐
│ Value ┆ BinMin ┆ BinMax ┆ Bin                   │
│ ---   ┆ ---    ┆ ---    ┆ ---                   │
│ i64   ┆ i64    ┆ i64    ┆ cat                   │
╞═══════╪════════╪════════╪═══════════════════════╡
│ 12    ┆ 0      ┆ 100    ┆ (10.204, 12.245]      │
│ 35    ┆ 10     ┆ 60     ┆ (34.694, 35.714]      │
│ 80    ┆ 50     ┆ 90     ┆ (79.592, 80.408]      │
└───────┴────────┴────────┴───────────────────────┘

方法2：纯Polars向量化实现（无numpy依赖） #

如果想避免使用numpy，可利用Polars的sequence函数生成每行的breaks序列，再通过map_elements完成分箱：

import polars as pl

df = pl.DataFrame({"Value": [12, 35, 80], "BinMin": [0, 10, 50], "BinMax": [100, 60, 90]})

result = df.with_columns(
    # 生成每行的breaks序列：50个等间隔点
    breaks = pl.sequence(
        start=pl.col("BinMin"),
        end=pl.col("BinMax"),
        length=50,
        dtype=pl.Float64
    ),
    # 对每行的Value和breaks进行分箱
    Bin = pl.struct(["Value", "breaks"])
    .map_elements(lambda x: pl.Series([x["Value"]]).cut(x["breaks"])[0], return_dtype=pl.Categorical)
).drop("breaks")

print(result)

注意事项 #

• map_elements是行级操作，若数据量极大，性能会略低于完全向量化操作，但对于大多数场景足够高效。
• 若需要分箱后的数值标签而非区间字符串，可在cut中添加labels参数，或用pl.col("Bin").cast(pl.Utf8).str.extract(r"(\d+\.?\d*)", 1).cast(pl.Float64)提取区间下限/上限。

内容的提问来源于stack exchange，提问作者vlo