Pandas分箱后如何提取计数数值写入DataFrame新列解决NaN问题

问题原因 #

groups.count().sentence返回的结果是索引为区间类型（如(1, 12]）的Series，你的目标DataFrame索引为默认的整数索引，两者索引无法匹配，赋值时就会全部填充为NaN。

解决方法 #

直接提取计数结果的数值列表赋值即可，分箱计数的顺序和你定义的category列表顺序完全对应，不会出现错位问题，参考代码如下：

import pandas as pd

category = ['1-12','13-24','25-36','37-48','48-60','61-72','73-84','85-96','97-108','109-128']
bins = [1,12,24,36,48,60,72,84,96,108,128]

# 生成分箱计数并转为列表，顺序和category完全匹配
count_list = df.groupby(pd.cut(df.sentence, bins)).count().sentence.tolist()

# 赋值生成目标列
df['len_sentence'] = category
df['distribuition_len_sentence'] = count_list

# 导出csv即可看到正常数值
df.to_csv("统计结果.csv", index=False)

内容的提问来源于stack exchange，提问作者samira