Orange Python中按elv角度分区间生成子表后如何按axis=1横向拼接表格

补充说明：Orange3内置的Table.concatenate方法仅支持同Domain结构的表做纵向行拼接，没有提供不同列结构的横向拼接接口，这就是你感觉拼接操作被限制的根本原因——不是功能做了硬性限制，是设计上没有覆盖该场景的内置方法，通过统一构造数据的路径完全可以实现目标效果。

核心实现思路 #

摒弃“先生成每个区间的独立子表、再尝试横向拼接”的路径，改为先完成所有区间的样本筛选，再统一构造全量列的Domain、一次性生成结果表，完全绕开跨Domain拼接的校验限制。最终生成的表会严格匹配你需要的列数（num个区间×2列/区间=2*num列，比如你举例的8个区间就是16列），总行数由所有区间里样本数最多的那个区间决定，样本数不足的区间列用Orange标准缺失值numpy.nan填充。

可直接复用的修正代码 #

from Orange.data.table import Table
from Orange.data import Domain, ContinuousVariable
import numpy as np

# 与你原逻辑保持一致的参数配置
num = 10  # 期望拆分的区间总数
total_elv_coverage = 90.0  # 仰角总覆盖范围
interval = total_elv_coverage / num

# 初始化存储结构：存所有列变量、存每个区间筛选出的样本数据
all_columns = []
interval_samples = []

for i in range(num):
    # 按原逻辑计算区间边界（左闭右开）
    low = i * interval
    high = (i + 1) * interval
    # 定义当前区间对应的两个特征列
    elv_var = ContinuousVariable.make(f"elv{i}")
    err_var = ContinuousVariable.make(f"err{i}")
    all_columns.extend([err_var, elv_var])
    
    # 筛选当前区间的样本，与原逻辑的筛选规则完全一致
    current_interval_rows = [
        row for row in in_data 
        if row[0] >= low and row[0] < high
    ]
    interval_samples.append(np.array(current_interval_rows))

# 计算所有区间中的最大样本数，作为最终表的总行数
max_row_num = max([len(sample_arr) for sample_arr in interval_samples])
# 初始化全量数据矩阵，默认用numpy.nan填充缺失位置
full_data = np.full((max_row_num, 2 * num), np.nan)

# 把每个区间的样本数据填充到矩阵对应列的位置
for col_pair_idx, sample_arr in enumerate(interval_samples):
    current_row_count = len(sample_arr)
    # 每个区间占两列：偶数列存err值，奇数列存elv值
    full_data[:current_row_count, col_pair_idx * 2] = sample_arr[:, 1]
    full_data[:current_row_count, col_pair_idx * 2 + 1] = sample_arr[:, 0]

# 一次性生成符合Orange规范的最终横向拼接表
final_domain = Domain(all_columns)
final_merged_table = Table.from_numpy(final_domain, full_data)

操作注意事项 #

• 不要通过pandas拼接后再转换为Table的方式实现，这种做法容易丢失Orange Table内置的元数据属性，导致后续拖入Orange画布使用时出现兼容异常。
• 列的顺序可以通过调整变量定义时的追加顺序自由控制，比如需要把elv放在err前面，只要把变量追加逻辑改成all_columns.extend([elv_var, err_var])，对应调整矩阵赋值的列位置即可。
• 代码里的区间边界逻辑和你原实现完全一致：满足low <= elv < high的样本会被划入对应区间，不会因为逻辑调整改变原有的样本归属规则。

内容的提问来源于stack exchange，提问作者first thing's first.