Python年龄分箱报错求助：Bin labels must be one fewer than bin edges

报错原因 #

核心问题是**pd.cut的区间边界数与标签数不匹配**：你定义的bins有7个边界值（[-inf,17,25,35,45,55,inf]），会划分出6个连续区间，但你给了7个labels——其中unknown不属于区间标签，是用来处理缺失/非数值的特殊分类，这直接违反了pd.cut的规则：标签数必须比区间边界数少1。

修正方案 #

把unknown从pd.cut的labels中移除，仅保留年龄区间对应的标签；先用pd.cut处理有效数值的分类，再单独将缺失值替换为unknown，最后设置指定的分类顺序。

完整修正代码 #

import pandas as pd
import numpy as np

# 预处理：将非数值数据转为缺失值
age_index = candy['Q3: AGE'].str.isnumeric()
age_index = age_index.fillna(False)
candy.loc[~age_index, 'Q3: AGE'] = np.nan

# 定义正确的区间边界和对应标签（标签数=边界数-1）
bins = [-float('inf'), 17, 25, 35, 45, 55, float('inf')]
labels = ['17 and under', '18-25', '26-35', '36-45', '46-55', '56+']

# 用pd.cut处理有效数值，缺失值自动转为NaN
candy['age_cat'] = pd.cut(
    pd.to_numeric(candy['Q3: AGE'], errors='coerce'),
    bins=bins,
    labels=labels,
    include_lowest=True
)

# 将缺失值替换为unknown
candy['age_cat'].fillna('unknown', inplace=True)

# 设置指定顺序的分类类型
candy['age_cat'] = pd.Categorical(
    candy['age_cat'],
    categories=['unknown', '17 and under', '18-25', '26-35', '36-45', '46-55', '56+'],
    ordered=False
)

print(candy['age_cat'])

关键说明 #

• pd.cut仅负责将有效数值映射到对应年龄区间，unknown是单独处理缺失/非数值的分类，不能混入区间标签
• 预处理阶段已将非数值转为缺失值，pd.cut遇到缺失值会生成NaN，后续通过fillna统一替换为unknown
• 最后用pd.Categorical强制指定分类顺序，满足unknown排在首位的要求

内容的提问来源于stack exchange，提问作者john.clay24