如何将新数值匹配到Pandas已有分类分箱区间

核心实现直接使用Pandas原生的pd.cut()复用原有分箱规则即可，无需手写if-elif判断函数，是向量化操作，性能远高于自定义函数逐行判断。

场景1：保留了最初分箱的分界点参数 #

如果你当初执行分箱时用到的bins数组还在，直接复用该参数给新数据分箱即可：

import pandas as pd

# 你最初分箱时定义的分界点，和你的现有区间完全匹配
original_bins = [12.999, 25.0, 38.0, 55.0, 218.0]

# 给新数据列A执行分箱，得到的区间和原有统计结果完全一致
new_df["A_bin"] = pd.cut(new_df["A"], bins=original_bins)

场景2：没有保留原始分界点，仅存现有value_counts结果 #

可以从现有统计结果的区间索引中自动提取分界点，再调用pd.cut()：

# 你已有的分箱统计结果
vc = df["A"].value_counts()

# 提取所有区间边界并排序，得到原始分箱分界点
bound_set = set()
for interval in vc.index:
    bound_set.add(interval.left)
    bound_set.add(interval.right)
original_bins = sorted(bound_set)

# 给新数据分箱
new_df["A_bin"] = pd.cut(new_df["A"], bins=original_bins)

补充说明 #

• pd.cut()默认是左开右闭的区间规则，和你现有分箱的区间格式完全匹配，无需额外调整参数。如果你当初分箱时修改过right、include_lowest等参数，复用的时候传入相同参数即可。
• 如果需要输出和你value_counts()里完全一致的字符串格式的区间，加一步new_df["A_bin"] = new_df["A_bin"].astype(str)即可。

内容的提问来源于stack exchange，提问作者qaiser