如何基于Continent与pd.cut分箱生成带排序值计数的多级索引Series？

现有如下数据集片段：

Country                   Continent          % Renewable
0   China                      Asia              (15.754, 29.228]
1   United States              North America     (2.213, 15.754]
2   Japan                      Asia              (2.213, 15.754]
3   United Kingdom             Europe            (2.213, 15.754]
4   Russian Federation         Europe            (15.754, 29.228]

需要生成一个带多级索引的Series，按Continent分组，每个大洲下展示所有% Renewable分箱的国家数量（计数为0的分箱也要保留），示例输出如下：

Asia      (2.213, 15.754]       3
          (15.754, 29.228]      1
          (29.228, 42.702]      2
          (56.176, 69.65]       0
          (42.702, 56.176]      0
Europe    (2.213, 15.754]       2
          (15.754, 29.228]      2
          (29.228, 42.702]      0
          (56.176, 69.65]       1
          (42.702, 56.176]      0
>>....and so on

尝试代码：

groups = renew.groupby(['Continent', pd.cut(renew['% Renewable'], 5)])

报错信息：

TypeError: can only concatenate str (not "float") to str

需求总结：创建以Continent和% Renewable分箱为索引的Series，展示每个大洲各分箱的国家计数（含0值），且分箱需按数值顺序排列。

错误原因 #

你的% Renewable列已经是分箱后的区间类型（或字符串格式的区间），而非原始数值列，再用pd.cut处理会触发类型错误——pd.cut要求输入数值，而你传入的是区间字符串/对象，导致字符串与浮点数拼接失败。

正确实现步骤 #

1. 提取所有唯一分箱并按数值顺序排序，确保所有大洲使用同一套分箱标准
2. 用交叉表统计大洲与分箱的组合计数，自动填充缺失分箱的0值
3. 转换为多级索引的Series

代码实现

import pandas as pd

# 假设数据框名为renew
# 1. 提取所有分箱并按区间左边界排序，保证分箱顺序正确
sorted_bins = sorted(renew['% Renewable'].unique(), key=lambda x: x.left)

# 2. 生成交叉表，自动填充所有分箱的计数（无数据则为0）
cross_table = pd.crosstab(renew['Continent'], renew['% Renewable'], dropna=False)

# 3. 按排序后的分箱重新排列列，确保输出顺序符合要求
cross_table = cross_table[sorted_bins]

# 4. 转换为多级索引的Series
result = cross_table.stack()

补充：若% Renewable是字符串格式的区间

如果你的分箱是以字符串形式存储（而非pd.Interval对象），先把它转回区间类型：

# 将字符串区间转为pd.Interval对象
renew['% Renewable'] = renew['% Renewable'].apply(pd.Interval)
# 再执行上述统计步骤

内容的提问来源于stack exchange，提问作者Brian Cox