如何通过分箱将DataFrame的float列转为categorical列（cost列问题）

你在处理cost列时的核心问题是：给pd.cut传入了字符串类型的分箱规则（['=>1000', '<1000']），但pd.cut需要基于数值边界划分区间，无法直接识别字符串描述的规则。以下是修正后的实现方案：

修正后的完整代码 #

import pandas as pd

def PreprocessDataframe(df):
    # numbers列分箱：合并冗余边界，确保区间连续且覆盖目标范围
    df['numbers'] = pd.cut(
        df['numbers'],
        bins=[17, 24, 44, 65, 92],  # 左边界设为17，配合include_lowest确保18被纳入第一个区间
        labels=['18-24', '25-44', '45-65', '66-92'],
        include_lowest=True
    )
    
    # cost列分箱：基于数值边界实现>=1000和<1000的划分
    df['cost'] = pd.cut(
        df['cost'],
        bins=[-float('inf'), 1000, float('inf')],  # 用-inf/inf覆盖所有可能的数值
        labels=['<1000', '>=1000'],
        include_lowest=True
    )
    return df

# 测试示例DataFrame
sample_df = pd.DataFrame({
    'cost': [360.0, 120.0, 2000.0],
    'numbers': [23.0, 35.0, 49.0]
})

processed_df = PreprocessDataframe(sample_df)
print(processed_df)

关键细节说明 #

• numbers列优化：原代码的bins=[18,24,25,44,45,65,66,92]会产生24-25的空区间，合并相邻边界后更简洁，同时保证所有目标数值都能落入对应区间。
• cost列修正逻辑：
  • 用[-float('inf'), 1000, float('inf')]作为数值边界，覆盖所有可能的cost取值（包括极小/极大值）
  • 通过labels参数直接映射为你需要的分类文本
  • include_lowest=True确保等于1000的值被划入>=1000区间（若需将1000归到<1000，可将bins调整为[-inf, 999.999, inf]）

运行输出结果 #

cost  numbers
0    <1000    18-24
1    <1000    25-44
2  >=1000    45-65

内容的提问来源于stack exchange，提问作者Deepak M