使用pd.cut时duplicates='drop'与labels参数搭配报错问题

问题核心 #

使用pd.cut()时，同时指定duplicates='drop'和labels参数会触发报错，本质是去重后的区间数量与传入的labels长度不匹配：

• 重复bins搭配duplicates='drop'可自动合并区间，正常运行
• 但搭配labels时，原labels长度和去重后的区间数不匹配，直接报错

示例代码 #

• 报错（未处理重复bins）：

pd.cut(pd.Series([0, 1, 2, 3, 4, 5]), bins=[0, 1, 1, 2])

• 正常运行（自动去重重复区间）：

pd.cut(pd.Series([0, 1, 2, 3, 4, 5]), bins=[0, 1, 1, 2], duplicates='drop')

• 报错（labels长度与去重后区间数不匹配）：

pd.cut(pd.Series([0, 1, 2, 3, 4, 5]), bins=[0, 1, 1, 2], duplicates='drop', labels=[0, 1, 1, 2])

原因分析 #

duplicates='drop'会自动合并重复的bins：原bins[0,1,1,2]去重后变为[0,1,2]，对应2个区间（(0,1]、(1,2]），但你传入的labels长度是4，和去重后的区间数量不匹配，这就是报错的直接原因。

Pandas不会自动删除与重复区间对应的标签——它无法判断你希望保留哪些标签逻辑，避免自动修改导致意外错误。

解决方案 #

需要手动保证labels长度与去重后的区间数量一致，提供两种实现方式：

方式1：先对bins去重，再生成对应labels #

import pandas as pd

s = pd.Series([0, 1, 2, 3, 4, 5])
original_bins = [0, 1, 1, 2]
# 对bins去重并排序
unique_bins = sorted(list(set(original_bins)))
# 生成对应长度的labels（区间数=去重后bins长度-1）
labels = [0, 1]

result = pd.cut(s, bins=unique_bins, labels=labels)
print(result)

方式2：从原labels中过滤出对应非重复区间的标签 #

如果需要保留原labels的对应逻辑，可手动提取有效标签：

import pandas as pd

s = pd.Series([0, 1, 2, 3, 4, 5])
original_bins = [0, 1, 1, 2]
original_labels = [0, 1, 1, 2]

# 找到原bins中首次出现的位置，提取对应标签（最后去掉一个，因为区间数比bins数少1）
seen = set()
unique_indices = []
for idx, bin_val in enumerate(original_bins):
    if bin_val not in seen:
        seen.add(bin_val)
        unique_indices.append(idx)
filtered_labels = [original_labels[i] for i in unique_indices[:-1]]

result = pd.cut(s, bins=original_bins, duplicates='drop', labels=filtered_labels)
print(result)

内容的提问来源于stack exchange，提问作者Roelant