你遇到的问题核心是pd.cut的区间开闭逻辑和你的标签定义不匹配，导致数值被分到了错误的区间里。咱们一步步来修正：

错误原因分析 #

你原来的代码里：

• cut_bins = range(2,71,2) 生成的区间默认是左开右闭（比如(2,4], (4,6], ..., (68,70]）
• 加上include_lowest=True后，第一个区间变成[2,4]，所以数值4会被包含到第一个区间，对应标签2-3，这就错了
• 数值70被包含在最后一个区间(68,70]，对应标签68-69，显然也不符合你的预期

修正方案 #

要让每个标签（比如4-5）正好对应包含4、5的区间，我们需要调整区间的开闭规则，并扩展bins的范围以覆盖70：

1. 调整区间为左闭右开 #

设置pd.cut的right=False参数，这样区间会变成[2,4), [4,6), ...，完美匹配你定义的2-3（对应2≤x<4）、4-5（对应4≤x<6）这样的标签逻辑。

2. 扩展bins范围覆盖70 #

原来的range(2,71,2)最后只到70，导致70无法进入70-71的区间，所以我们把bins扩展到72：range(2,72,2)，这样最后一个区间是[70,72)，对应标签70-71。

3. 同步调整标签范围 #

标签需要和bins的区间数量一致，所以把labels的生成范围改成range(2,71,2)，这样会生成到70-71的标签。

修正后的完整代码 #

import pandas as pd

s = pd.Series([1,4,45,70])
df = pd.DataFrame(s, columns = ['price'])

# 生成匹配的标签，覆盖到70-71
labels = ["{0} - {1}".format(i, i + 1) for i in range(2, 71, 2)]
# 扩展bins到72，确保70能被分到对应区间
cut_bins = range(2, 72, 2)

# 使用right=False设置左闭右开区间
df['price_bins'] = pd.cut(df['price'], bins=cut_bins, labels=labels, right=False)

print(df)

运行结果 #

price price_bins
0      1        NaN
1      4     4 - 5
2     45    44 - 45
3     70    70 - 71

这样每个数值都对应到了正确的分箱标签里～

内容的提问来源于stack exchange，提问作者user3459293