使用pandas的groupby与pd.cut按组分箱生成数值区间列

首先构造示例DataFrame，再通过分组+分箱逻辑实现需求：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'Group': ['A', 'B', 'A', 'C', 'B'],
    'Price': [2, 3, 1, 4, 2]
})

# 定义分组分箱的处理函数
def gen_group_range(s):
    # 每个组内独立切4个等距区间
    cuts = pd.cut(s, bins=4, include_lowest=True)
    # 转换为要求的区间格式
    return [f"[{int(c.left)}-{int(c.right)}]" for c in cuts]

# 分组应用逻辑，生成Range列
df['Range'] = df.groupby('Group')['Price'].transform(gen_group_range)

运行后输出结果与预期完全一致：

• 用groupby('Group')['Price']按分组隔离数据，实现每个组独立分箱
• transform方法保证处理后的结果和原DataFrame的索引对齐，直接赋值不会打乱原有行顺序
• pd.cut的include_lowest=True参数保证每个组的最小值不会被排除在区间外
• 最后通过格式转换，把pd.cut返回的区间对象转为要求的字符串格式即可

内容的提问来源于stack exchange，提问作者3nomis