Pandas基于Interval区间列查找匹配值实现连续值分桶映射

你的代码报错的核心原因是Python原生in运算符不支持逐区间的包含判断：当你对df_lookup['interval']这个Series对象使用in时，只会判断你传入的浮点数值是否是Series中存储的元素（即判断是否存在一个Interval对象完全等于该浮点数，结果恒为False），不会返回逐区间判断的布尔序列。单个布尔值False无法作为loc的布尔索引，因此触发KeyError。

方案1：IntervalIndex向量化匹配（性能最优，推荐） #

该方法完全兼容你预先定义的区间开闭规则，无需循环，大数据量下性能远高于apply写法：

# 基于已构建的interval列生成专用区间索引
interval_idx = pd.IntervalIndex(df_lookup['interval'])
# 批量获取每个原始值对应的lookup表行号，直接映射取值
df_data['mapped_value'] = df_lookup.iloc[interval_idx.get_indexer(df_data['original_value'])]['mapped_value'].values

执行后映射结果完全符合预期：

方案2：修正apply逻辑（小数据集适用） #

如果数据量小，可以修正apply内部的判断逻辑，逐值遍历区间做匹配：

def get_mapped_val(val):
    # 对每个值，逐区间判断是否包含，返回匹配到的映射值
    match = df_lookup[df_lookup['interval'].apply(lambda itv: val in itv)]
    return match['mapped_value'].iloc[0]

df_data['mapped_value'] = df_data['original_value'].apply(get_mapped_val)

注意：该写法为嵌套循环逻辑，数据量超过10万行时运行效率会显著下降，仅适合小数据集临时使用。

方案3：pd.cut直接分桶（规则固定时适用） #

如果分桶规则不需要动态调整，可以直接用pandas内置的分桶函数一步完成映射，无需提前构建lookup表的interval列：

# 定义分箱边界和对应映射值
bin_edges = [0.0, 0.3, 0.65, 1.0]
map_labels = [10.1, 30.3, 50.5]

df_data['mapped_value'] = pd.cut(
    df_data['original_value'],
    bins=bin_edges,
    labels=map_labels,
    right=False, # 前序区间为左闭右开
    include_lowest=True
).astype(float)
# 补全最后一个区间的右闭规则，包含1.0边界值
df_data.loc[df_data['original_value'] == 1.0, 'mapped_value'] = 50.5

该方法同样为向量化实现，性能和方案1接近。

• 方案1完全复用你已构建的interval列规则，不需要额外调整区间开闭逻辑，适配性最好。
• 涉及批量数据映射时优先使用pandas内置的向量化接口，避免不必要的apply循环，能大幅提升代码运行效率。

内容的提问来源于stack exchange，提问作者JohnnieL