从pandas列提取分箱边界列表用于pd.cut出现类型报错如何解决

问题原因 #

• 提取bins_list的操作返回的是长度为1的pandas Series对象，而非其中存储的字符串内容，没有取到实际的分箱边界值。
• Excel中读取的bins_edges_list列是字符串格式的列表表达式，不是Python原生的数值列表类型，就算提取到字符串内容，也无法直接传入pd.cut作为分箱边界使用。另外你执行的bins_list.replace("'","")仅会返回修改后的副本，不会改动原bins_list对象，且仅去除引号也无法完成字符串到列表的转换。

解决方法 #

首先导入Python内置的安全表达式解析模块：

import ast

单次提取转换方案

# 提取var1对应的分箱边界字符串
bins_str = df_bin_edges.loc[df_bin_edges['Variable'] == 'var1', 'bins_edges_list'].iloc[0]
# 将字符串格式的列表转换为Python原生数值列表
bins_list = ast.literal_eval(bins_str)

转换完成后即可正常传入pd.cut使用：

pd.cut(df[col], bins=bins_list,labels=None, retbins=False, duplicates='drop', precision=0).astype(str)

批量预处理方案

如果需要频繁提取不同变量的分箱边界，可以提前把整列都转换为原生列表格式：

df_bin_edges['bins_edges_list'] = df_bin_edges['bins_edges_list'].apply(ast.literal_eval)
# 后续提取直接取值即可
bins_list = df_bin_edges.loc[df_bin_edges['Variable'] == 'var1', 'bins_edges_list'].iloc[0]

内容的提问来源于stack exchange，提问作者Zenvega