Python中DataFrame数值变量分箱问题：如何将大于8的值归为‘8+’

你的问题出在pd.cut的区间设置上：当前的bins只定义到8，所有大于8的数值不在任何指定区间内，会被标记为NaN，因此不会出现在value_counts()的结果里。下面提供两种可行的解决方案：

方法1：修正pd.cut的区间范围 #

给bins添加一个无穷大的上限，确保所有大于8的数值都能被分到最后一个区间：

import pandas as pd
import numpy as np

df['var1_binned'] = pd.cut(
    df['var1'],
    bins=[0, 1, 2, 3, 4, 5, 6, 7, 8, np.inf],
    labels=['1', '2', '3', '4', '5', '6', '7', '8', '8+'],
    right=True  # 默认值，区间为左开右闭，(8, inf]会被归为'8+'，8则归为'8'
)
print(df['var1_binned'].value_counts())

方法2：用np.where直接判断（更简洁） #

对于这种简单的分箱规则，直接使用条件判断更高效：

import numpy as np

df['var1_binned'] = np.where(df['var1'] > 8, '8+', df['var1'].astype(str))
print(df['var1_binned'].value_counts())

两种方法都能让大于8的数值被正确归类到8+，并且在value_counts()中显示该类别的计数。

内容的提问来源于stack exchange，提问作者Dag2