Python中如何对比字符串格式数值区间,校验可实现数据重分箱的区间匹配条件
业务场景说明
- 处理业务数据分箱汇总时,会拿到多组字符串格式的年龄区间列表,典型示例:
List1 = ['0-9', '10-19', '20-29', '30-39', '40-49', '50-'] List2 = ['0-19', '20-39', '40-'] - 每个区间列表和对应的业务计数值列表下标一一对应,比如和List1配套的计数值为:
其中A1的索引0值对应List1的A1 = [30, 40, 50, 60, 70, 80] B1 = [33, 20, 40, 76, 777, 844]0-9区间计数,B1的索引4值对应List1的40-49区间计数。 - 若两个区间列表的边界完全对齐、无交叉错位,可直接将原区间计数按新区间分组求和,完成无偏差重分箱。比如List1和List2的匹配关系可计算得到:
A2 = [70, 110, 150] # 对应List2的0-19、20-39、40-+三个区间的合计值 B2 = [53, 116, 1621] - 若两个区间列表存在边界错位、无法完全覆盖匹配,则无法实现无偏差重分箱,典型不可行的示例:
List3 = ['0-14', '15-29', '30-44', '45-'] List4 = ['0-19', '20-39', '40-']
待解决的问题
当前所有区间均为字符串格式存储,需要在Python环境下实现两个核心能力:
- 将字符串表示的数值区间解析为可参与计算的数值边界结构
- 自动校验两组区间列表是否满足「可支撑无偏差重分箱」的匹配关系
需要可落地的实现逻辑,或可用的工具库指引
内容的提问来源于stack exchange,提问作者Coconut
相关产品推荐
相关产品推荐

