pd.cut对连续变量分箱时标签与箱边数不匹配错误如何解决

错误原因 #

• pd.cut() 传入的bins参数为边界序列时，边界数量永远比分箱数量多1，对应需要的标签数量也必须和分箱数量一致，即标签数=边界数-1。
• 你当前存在两个问题：
  1. cut_bins = range(1,70) 生成的是[1,2,...,69]共69个边界，对应只能生成68个分箱，但你生成的labels有69个，数量不匹配触发报错
  2. 你的列最大值是70，现有边界最大仅到69，70会被识别为超出范围，最终赋值为NaN

解决代码 #

直接把分箱边界的上限调整为71，覆盖最大值即可：

# 生成分箱标签：共69个，对应1-2到69-70
labels = ["{0} - {1}".format(i, i + 1) for i in range(1, 70, 1)]
# 分箱边界调整为1到70，共70个边界，刚好对应69个分箱
cut_bins = range(1, 71)
# 可选调整：right参数控制区间开闭，默认True为右闭区间(左开右闭)，改为False则为左闭右开区间
df['total_value_bins'] = pd.cut(df['total_value'], bins=cut_bins, labels=labels, right=True)

内容的提问来源于stack exchange，提问作者user3459293