将连续变量划分为类别（ValueError：Bin 标签必须比 bin 边缘的数量少一）答案

【问题标题】：Cutting continous variable into catagories ( ValueError: Bin labels must be one fewer than the number of bin edges)将连续变量划分为类别（ValueError：Bin 标签必须比 bin 边缘的数量少一）
【发布时间】：2021-08-26 12:34:01
【问题描述】：

我有一个数据列，我想将其分割成离散的 bin。我的min 是 1，max 是 70

df.total_value.describe()
count       37926.000000
mean        12.368138
std          7.385642
min          1.000000
25%          8.000000
50%         10.000000
75%         16.000000
max         70.000000
Name: total_value, dtype: float64

我试过了

labels = ["{0} - {1}".format(i, i + 1) for i in range(1, 70, 1)]

cut_bins = range(1, 70)
df['total_value_bins'] = pd.cut(df['total_value'], bins= cut_bins, labels=labels)

我收到此错误

ValueError: Bin labels must be one fewer than the number of bin edges

如果我使用，我能够得到垃圾箱

df['total_value_bins'] = pd.cut(df['total_value'], bins= cut_bins)

但我想要很好地格式化e.g. 1-2

任何建议帮助将不胜感激。

提前致谢。

【问题讨论】：

标签： python pandas cut data-wrangling

【解决方案1】：

正如错误所说，您需要拥有len(cut_bins) = len(labels)+1，而现在它们的长度相同。此外，为了能够合并值 1 和 70，您需要将 cut_bins 的 range 中的上限更改为 71（因为上限未在 range 中创建），并使用参数include_lowest in cut

labels = ["{0} - {1}".format(i, i + 1) for i in range(1, 70, 1)]

cut_bins = range(1, 71) # here goes to 71

# dummy data
s = pd.Series([1,4,45,70])

print(pd.cut(s, bins= cut_bins, labels=labels, include_lowest=True))
0      1 - 2
1      3 - 4
2    44 - 45
3    69 - 70
dtype: category
Categories (69, object): ['1 - 2' < '2 - 3' < '3 - 4' < '4 - 5' ... '66 - 67' < '67 - 68' < '68 - 69' < '69 - 70']

【讨论】：