用Dask、Pandas IntervalIndex匹配薪资区间报InvalidIndexError的原因？

• 核心原因：pandas.IntervalIndex.get_loc() 方法仅支持接收单个标量值查询所属区间，你在map_partitions的回调函数中传入的参数x是对应分区的Salary整列数据（pandas Series类型），接口入参类型不匹配直接触发索引错误。
• 具体表现：报错日志里的key值为0 10000，这是带行索引的Series对象，不是你预期的10000这个单独数值，get_loc无法识别Series类型的查询键。

修复方案 #

你可以对Series的每个元素单独执行区间匹配，修改后的代码示例如下：

import dask.dataframe as dd
import pandas as pd

salary_df = pd.DataFrame({"Salary":[10000, 50000, 25000, 30000, 7000, 100000]})
salary_category = pd.DataFrame({"Hi":[5000, 20000, 25000, 30000, 90000, 120000],
                        "Low":[0,  5001, 20001, 25001, 30001, 90001],
                        "category":["Very Poor", "Poor", "Medium", "Rich", "Super Rich", "Ultra Rich" ]
                        })
sal_ddf = dd.from_pandas(salary_df, npartitions=10)
salary_category.index = pd.IntervalIndex.from_arrays(salary_category['Low'],salary_category['Hi'],closed='both')

# 修改map_partitions内的逻辑，对Series每个元素单独匹配
sal_ddf['Category'] = sal_ddf['Salary'].map_partitions(
    lambda x: x.apply(lambda val: salary_category.iloc[salary_category.index.get_loc(val)]['category']), 
    meta=('Category', 'str')
)

print(salary_category)
print(sal_ddf.compute())

内容的提问来源于stack exchange，提问作者jhon.smith