![如何自定义分箱区间并确保右端点闭合（如 [190, 200]）](https://img.php.cn/upload/article/001/246/273/176948394559017.jpg)
本文介绍在 pandas 中实现非标准分箱（尤其是让最后一个区间为闭区间 `[190, 200]`）的实用方法：先用 `pd.cut(..., right=false)` 构建左闭右开基础分箱，再通过布尔掩码将精确等于 200 的值强制归入目标闭区间。
在数据预处理中，分箱（binning）是常见操作，但 pd.cut 默认仅支持统一的开闭性（全部左闭右开或左开右闭），无法直接定义混合边界——例如前四个区间为左闭右开 [a, b)，而最后一个区间需为左闭右闭 [190, 200]。此时，单纯调整 right 参数无法满足需求，需结合后处理实现精准控制。
核心思路是：分两步走
- 使用 pd.cut(..., right=False) 按左闭右开规则划分所有区间（包括 [190, 200)）；
- 单独识别值恰好等于 200 的样本，并用 .mask() 将其对应分箱标签替换为 '[190, 200]'。
以下为完整可运行示例：
import pandas as pd # 构造测试数据：100.0 到 200.3，步长 0.1（含精确的 200.0） s = pd.Series(range(1000, 2004)).div(10) # 100.0, 100.1, ..., 200.0, 200.1, ... # 定义分箱边界（5个区间 → 6个端点） bins = [100, 135, 160, 175, 190, 200] labels = ['[100, 135)', '[135, 160)', '[160, 175)', '[175, 190)', '[190, 200]'] # 第一步：标准左闭右开分箱（此时 200 落入 NaN，因超出 [190, 200)） cut_result = pd.cut(s, bins=bins, labels=labels, right=False) # 第二步：定位值为 200 的位置，并覆盖标签 cond = s == 200.0 out = cut_result.mask(cond, '[190, 200]') print(out.iloc[998:1003]) # 查看关键片段
输出中可见：
- 199.9 → [190, 200]（原属 [190, 200)，被 pd.cut 正确分配）
- 200.0 → [190, 200]（经 .mask() 强制修正）
- 200.1 及以上 → NaN（超出最大边界，符合预期）
⚠️ 注意事项：
- 若数据中存在大于 200 的值（如示例中的 200.1），它们将默认返回 NaN，可根据业务需要额外处理（如追加 include_lowest=True 或扩展 bins）；
- labels 长度必须比 bins 少 1，否则报错；
- 使用 mask() 时确保条件向量 cond 与 cut_result 索引对齐（本例中天然一致）；
- 若需保留数值型结果而非字符串标签，可改用 pd.cut(..., retbins=False) + 自定义 pd.IntervalIndex 映射，但复杂度显著上升——对多数场景，布尔掩码法更简洁可靠。
该方案兼顾准确性与可读性，是处理“混合区间闭合性”问题的推荐实践。
