Python如何基于其他列取值动态调整Escalão列pd.cut分箱规则

核心实现逻辑为：先预定义不同Produto、Zona维度组合对应的分箱规则，再对原始数据按对应维度分组，每组匹配对应的规则执行分箱操作即可。

1 修正原有代码语法问题 #

你现有测试代码存在几处语法错误，修正后如下：

import pandas as pd

All = pd.DataFrame({
    'Master Agreement':['200011706.0','200011706.0','200011706.0','200011706.0','200011706.0','200011706.0'],
    'Produto':['产品A','产品A','产品A','产品A','产品A','产品A'], # 补充你需要的Produto字段值
    'Zona':['1','1','1','1','1','1'],
    'Escalão':['200','300','900','100','120','240'],
    'Peso Total':['233.830','343.977','507.750','400','230','110']
})

2 定义动态分箱规则 #

用嵌套字典存储所有维度组合对应的分箱参数，可根据业务需求自由扩展：

# 规则格式：(Produto取值, Zona取值) : {"bins": 分箱区间列表, "labels": 对应标签列表}
bin_rules = {
    ("产品A", "1"): {"bins": [0,200,300,900, float("inf")], "labels": ["200","300","900","+"]},
    ("产品A", "2"): {"bins": [0,150,400,800, float("inf")], "labels": ["150","400","800","+"]},
    ("产品B", "1"): {"bins": [0,100,250,700, float("inf")], "labels": ["100","250","700","+"]}
    # 可继续补充其他组合的分箱规则
}

如果你不需要手动定义标签，期望直接取分箱区间的右边界作为标签，可省略规则中的labels配置，后续代码自动提取即可。

3 分组执行动态分箱 #

通过groupby+apply实现每个维度组匹配对应规则分箱：

手动定义标签版本 #

# 提前转换Escalão为数值类型，避免重复转换
All["Escalão"] = All["Escalão"].astype(float)

def dynamic_cut(group):
    # 取当前组的维度值匹配规则
    current_key = (group["Produto"].iloc[0], group["Zona"].iloc[0])
    # 未匹配到规则时默认用产品A、Zona1的规则，可根据需求修改默认值
    current_rule = bin_rules.get(current_key, bin_rules[("产品A", "1")])
    group["Escalão de Peso dos Envios"] = pd.cut(
        group["Escalão"],
        bins=current_rule["bins"],
        labels=current_rule["labels"]
    )
    return group

All = All.groupby(["Produto", "Zona"], group_keys=False).apply(dynamic_cut)

自动取右边界作为标签版本 #

All["Escalão"] = All["Escalão"].astype(float)

def dynamic_cut_auto_label(group):
    current_key = (group["Produto"].iloc[0], group["Zona"].iloc[0])
    current_rule = bin_rules.get(current_key, bin_rules[("产品A", "1")])
    cuts = pd.cut(
        group["Escalão"],
        bins=current_rule["bins"],
        include_lowest=True
    )
    # 自动提取右边界为标签，无穷大值替换为"+"
    group["Escalão de Peso dos Envios"] = cuts.apply(lambda x: str(int(x.right)) if x.right != float("inf") else "+")
    return group

All = All.groupby(["Produto", "Zona"], group_keys=False).apply(dynamic_cut_auto_label)

内容的提问来源于stack exchange，提问作者Daniela Rodrigues