如何基于Pandas现有代码实现重叠分箱的分组求和计算

可以直接在你现有代码逻辑的基础上修改实现，核心差异是：非重叠分箱用pd.cut只能让每个年龄归属1个分箱，重叠分箱需要让每个年龄匹配所有符合条件的滑动分箱，再拆分统计即可。

实现步骤 #

1. 自定义滑动分箱规则 #

首先定义你需要的滑动窗口参数，你示例中的(0-8岁)、(1-9岁)...对应窗口长度为9、滑动步长为1，可按需调整：

import pandas as pd

# 滑动窗口参数：窗口长度9，步长1
window_size = 9
step = 1
max_age = df['age'].max()

# 生成所有左闭右开的滑动分箱，和你原有规则的区间开闭逻辑一致
bin_starts = range(0, max_age - window_size + 2, step)
intervals = [pd.Interval(start, start + window_size, closed='left') for start in bin_starts]

2. 匹配多区间并拆分 #

给每条数据匹配所有符合的区间，再拆分为多行，保证每个归属的分箱都能参与统计：

# 给每个年龄匹配所有符合的区间
df = df.assign(age_interval=lambda x: x['age'].apply(lambda age: [i for i in intervals if age in i]))
# 拆分区间列，1条数据对应多个分箱的话会拆为多行
df_exploded = df.explode('age_interval', ignore_index=True)

3. 分组求和（兼容原有输出格式） #

和你原有聚合逻辑一致，若需要保留原有输出里总和为0的区间组合，可补充全量匹配步骤：

# 基础聚合：按id和分箱求和奖项
df_out = df_exploded.groupby(['id', 'age_interval'], as_index=False)['awards'].sum().rename(columns={'awards': 'total_awards'})

# 可选：补充所有id和所有分箱的组合，将无数据的分箱奖项填充为0，和你原有输出格式完全对齐
all_id_bin = pd.MultiIndex.from_product([df['id'].unique(), intervals], names=['id', 'age_interval']).to_frame(index=False)
df_out = all_id_bin.merge(df_out, on=['id', 'age_interval'], how='left').fillna({'total_awards': 0}).astype({'total_awards': int})

# 可选：给每个id的分箱加序号，和你原有age_interval字段逻辑一致
df_out['age_interval'] = df_out.groupby('id').cumcount()

调整说明 #

• 如需修改分箱规则，直接调整window_size（窗口长度）和step（滑动步长）即可适配其他重叠分箱需求
• 区间开闭逻辑可通过pd.Interval的closed参数调整，可选值为left/right/both/neither

内容的提问来源于stack exchange，提问作者mrdatascience32