如何使用pandas.cut()获取分箱的上限值用于后续聚合？

方法1：从已有分箱结果提取区间上限 #

pd.cut返回的是分类类型数据，每个元素为Interval对象，内置right属性直接返回区间上限值，实现代码如下：

# 方法1.1 逐元素提取（适合小数据量）
africa_uhc_upper = africa_uhc.apply(lambda x: x.right)

# 方法1.2 转IntervalIndex批量提取（效率更高，适合大数据量）
africa_uhc_upper = pd.IntervalIndex(africa_uhc).right

运行后你示例中索引29的行就会直接返回0.75，返回结果为float类型可直接用于后续聚合计算。

方法2：分箱时直接指定标签为上限值 #

如果还未执行分箱操作，可在调用pd.cut时直接指定labels参数为对应区间的上限值，一步得到目标结果：

bins = [0, 0.25, 0.50, 0.75, 1]
# 标签顺序和分箱区间顺序一一对应，直接取每个区间的上限
labels = [0.25, 0.5, 0.75, 1.0]
africa_uhc = pd.cut(
    africa[("Universal health coverage (UHC) service coverage index")]/100,
    bins=bins,
    labels=labels
)

如果需要显式转为数值类型，可在末尾添加.astype(float)即可。

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