Python如何基于带上下限的查找表自动完成变量分箱及WoE映射

编辑：该问题被标记为重复问题，但我参考了另一问题的解决方案后发现其无法解决我的需求，因此本问题不属于重复问题。

我有一个包含数值型变量的数据集，需要将这些变量映射到查找表中存储的Weight of Evidence（WoE）值。下文是示例，但我有大量变量需要进行转换，请问如何实现自动化处理？我之前用SAS和SQL实现过该需求，但不知道Python中要如何操作。我在网上检索到的案例大多使用pd.cut，但该方法需要手动编码分箱区间，我不清楚如何基于已有的查找表自动完成分箱，要求分箱规则为下限大于等于（>=）、上限小于（<）。

我编写了如下代码，但在mask语句处报错，麻烦帮我指出代码存在的问题：

temp_dict = {'var1': [4, 2, 2, 4, 7, 4, 12, 8, 17, 42, 33, 10, 7, 5, 17, 29, 64, 20, 39, 6], 
             'var2': [9, 8, 2, 17, 14, 14, 16, 8, -999999999,-999999999, 10, -999999999, 16, 20, 17,
                      -999999999, -999999999, -999999999,-999999999, 3]}
df = pd.DataFrame.from_dict(temp_dict) 

查找表规则 #

期望输出示例 #

可行实现方案 #

提问者后续已找到可运行的实现代码：

binned_vars= ['var1','var2','varn']
short_list= ['var1','var2']
for variable in binned_vars:
    if variable in short_list:
        for i in lookup_table[(lookup_table['feature_name'] == variable)]['Index'].to_list():
            lower_limit = lookup_table[(lookup_table['feature_name'] == variable) & (lookup_table['Index'] == i)]['lower_limit'].to_list()[0]
            upper_limit = lookup_table[(lookup_table['feature_name'] == variable) & (lookup_table['Index'] == i)]['upper_limit'].to_list()[0]
            WoE = lookup_table[(lookup_table['feature_name'] == variable) & (lookup_table['Index'] == i)]['WoE'].to_list()[0]  
            mask = ((df[variable] >= lower_limit) & (df[variable] < upper_limit))
            var_name = variable + '_WoE'
            df.loc[mask,var_name] = WoE

内容的提问来源于stack exchange，提问作者Zenvega