python - Pandas cut，如何标记正确的开放端点？

Question

如何使用 pd.cut 获取正确的开放端点以映射到标签？例如下面的代码片段， 仅显示区间而不是标签(例如“[10000000.0, 50000000.0)”而不是“100 亿美元到 500 亿美元”)？

import pandas as pd
import numpy as np

breaks = [0, 1000000, 5000000, 10000000, 50000000]  # actual values are in millions
labels = [
    'under $1 billion', 
    '$1 billion - $5 billion', 
    '$5 billion - $10 billion', 
    '$10 billion to $50 billion', 
    'over $50 billion'
]
interval = pd.IntervalIndex.from_breaks(breaks, closed='left')

df = pd.DataFrame({'value': np.random.randint(10000, 50000000, 20)})
df['Asset Size'] = pd.cut(df['value'], interval, labels=labels, right=False )

Answer 1

您实际上将中断用作 pd.cut 中的垃圾箱。无需使用pd.IntervalIndex。

breaks = [0, 1000000, 5000000, 10000000, 50000000, np.inf]  # actual values are in millions
labels = [
    'under $1 billion', 
    '\$1 billion - $5 billion', 
    '\$5 billion - $10 billion', 
    '\$10 billion - $50 billion', 
    'over $50 billion']

df = pd.DataFrame({'value': np.random.randint(0, 50000000, 20)})
df['Asset Size'] = pd.cut(df['value'], bins = breaks, labels=labels, right=False)

\ 是以 $ 符号开头的字符串的转义，您还需要添加 np.inf 来表示任何内容超过 500 亿。