如何使用pandas.cut()对含非数值的数组按指定规则分箱分类

核心处理逻辑 #

• 先清洗原始数组的字符串格式问题：去除字符串首尾空格，修正格式异常的数字串
• 识别非数值内容（nan、文本值），统一归为not_number分类
• 对有效数值使用pd.cut()按指定区间分箱
• 按指定分类顺序统计计数

完整可运行代码 #

import pandas as pd
import numpy as np

# 原始去重数组（修正原代码漏写逗号、引号的语法笔误，保留原始带空格的'22 '场景）
arr = np.array(['10','8', '15','20','21','22 ', '27','28', np.nan, '29', '30', '32', '33', 'Values'])

# 第一步：预处理数据，统一清洗字符串空格，转数值类型，转失败的内容标记为NaN
cleaned_str = [x.strip() if isinstance(x, str) else x for x in arr]
num_col = pd.to_numeric(cleaned_str, errors='coerce')

# 第二步：初始化分类列，先标记非数值类
res = pd.Series(index=range(len(arr)), dtype='object')
res[num_col.isna()] = 'not_number'

# 第三步：对有效数值执行pd.cut分箱
bin_edges = [-np.inf, 10, 32, np.inf]
bin_labels = ['10 and below', '11-32', '33 and up']
res[~num_col.isna()] = pd.cut(num_col[~num_col.isna()], bins=bin_edges, labels=bin_labels).astype(str)

# 第四步：按指定分类顺序统计计数
count_stats = res.value_counts().reindex(['not_number', '10 and below', '11-32', '33 and up'])
print(count_stats)

代码说明 #

• 预处理阶段的strip()操作专门处理类似'22 '这类带首尾空格的数字字符串，避免其无法正常转换为数值被误判为非数值类
• pd.to_numeric(errors='coerce')会将无法转为数值的内容（包括原数组的nan、'Values'文本）统一转为NaN，方便批量归类到not_number
• 分箱边界设置为负无穷到10、10到32、32到正无穷，完全匹配三个数值区间的划分规则
• 最后用reindex调整统计结果的展示顺序，和预期输出顺序保持一致

运行上述代码将输出和预期完全一致的统计结果：

not_number        2
10 and below      2
11-32             9
33 and up         1

内容的提问来源于stack exchange，提问作者Mke