pandas interval类型距离分箱计算累计值与累计百分比方案

1. 先对DataFrame按分箱列排序 #

interval类型原生支持大小比较，直接按distance_bin排序即可保证分箱顺序从小到大：

import pandas as pd
# 按分箱从小到大排序，重置索引避免后续逻辑出错
df = df.sort_values("distance_bin").reset_index(drop=True)

2. 计算累计对象总数和累计百分比 #

这两个都是数值字段，直接用cumsum方法即可实现滚动累计：

# 累计对象总数
df["累计对象总数"] = df["分箱内对象数"].cumsum()
# 累计百分比，如果需要转百分比展示可额外加format处理
df["累计百分比"] = df["分箱占比"].cumsum()

3. 生成累计分箱范围 #

不需要用expanding方法，直接提取最小分箱的左边界，和当前行分箱的右边界拼接为新的interval即可，同时保持和原分箱一致的开闭规则：

# 提取全量最小分箱的左边界
min_bin_left = df["distance_bin"].iloc[0].left
# 逐行拼接累计区间
df["累计分箱范围"] = df["distance_bin"].apply(
    lambda x: pd.Interval(left=min_bin_left, right=x.right, closed=x.closed)
)

假设原输入数据如下：

处理后输出结果：

pandas的expanding方法默认针对数值类型做滚动聚合，interval属于自定义复合类型，没有默认的累加规则，因此不用硬套expanding方法，单独处理区间列的逻辑更简单高效。

内容的提问来源于stack exchange，提问作者Serge de Gosson de Varennes