使用pd.cut时TimeScaled值为1的行出现NaN值的原因排查

我有一个包含EEG事件的DataFrame，将事件起始点通过MinMaxScaler缩放至0-1范围生成TimeScaled列。尝试用pd.cut将该列分为100个区间时，Timebins列出现8个NaN值，这些值对应的TimeScaled均为精确的1（已确认不是近似值）。

执行的代码如下：

scaler = MinMaxScaler()
TimeScaled = concatenated_df.groupby(['Subject','Session']).apply(lambda x: scaler.fit_transform(x[['Start']].values.astype(float))).reset_index()
TimeScaled.rename(columns={0: 'Time'}, inplace=True)
TimeScaled = TimeScaled.explode('Time').reset_index()
TimeScaled.loc[:,'Time'] =TimeScaled.Time.astype('float')

concatenated_df['TimeScaled'] = TimeScaled['Time'].values
bins = np.linspace(0, 1, 100)
labels = np.array(range(1,100))
concatenated_df['Timebins'] = pd.cut(concatenated_df.TimeScaled, bins=bins, labels=labels, include_lowest=True)

查找空值的代码：

concatenated_df.loc[concatenated_df['Timebins'].isna()]

问题出在pd.cut的区间定义逻辑上：

• np.linspace(0, 1, 100)生成100个数值点，对应99个左闭右开区间，最后一个区间是[0.989898..., 1)，不包含精确值1。
• include_lowest=True仅作用于最左侧区间（确保包含下限），对最右侧区间的上限无影响，因此精确的1无法匹配任何区间，最终被标记为NaN。

提供两种可行的修复方式：

方式一：调整bins生成逻辑，生成100个完整区间 #

将np.linspace的点数改为101，这样会生成100个区间，最后一个区间的上限为1且包含该值：

bins = np.linspace(0, 1, 101)  # 生成101个点，对应100个区间
labels = np.array(range(1,101))  # 标签数量与区间数量匹配
concatenated_df['Timebins'] = pd.cut(concatenated_df.TimeScaled, bins=bins, labels=labels, include_lowest=True)

方式二：手动扩展bins的上限 #

如果坚持使用99个区间，可将bins的最后一个值设为略大于1的数，确保精确1被包含：

bins = np.linspace(0, 1, 100)
bins[-1] = 1.0000001  # 将最后一个区间上限设为略大于1
labels = np.array(range(1,100))
concatenated_df['Timebins'] = pd.cut(concatenated_df.TimeScaled, bins=bins, labels=labels, include_lowest=True)

内容的提问来源于stack exchange，提问作者H N