Python 熊猫qcut应用于NaN中的新数据结果

我正在参加一个建模项目，我遇到了这个问题。 此示例使用不带11的数据帧获取BIN，当BIN应用于包含11的新数据帧时，将导致NaN。显然这会发生，但我想知道是否有（通常有）任何聪明的方法可以很容易地处理这一问题，比如一些技术可以将（7.75，10.0）变成（7.75，np.inf）

作为pd进口熊猫
a、 bin=pd.qcut（pd.DataFrame（{“a”：[1,2,3,4,5,6,7,8,9,10]）。a，retbins=True，q=4）
pd.cut（pd.DataFrame（{“A”：[1,2,11]}）.A，bins=bin，include_lowest=True）
0    (0.999, 3.25]
1    (0.999, 3.25]
2楠
名称：A，数据类型：类别
类别（4，区间[float64]）：[（0.999,3.25]<（3.25,5.5]<（5.5,7.75]<（7.75,10.0]]

创建垃圾箱时，只需使用np.inf而不是10

a,bin = pd.qcut(pd.DataFrame({"A":[1,2,3,4,5,6,7,8,9,np.inf]}).A,retbins = True, q = 4)
pd.cut(pd.DataFrame({"A":[1,2,11]}).A, bins = bin ,include_lowest = True)

0    (0.999, 3.25]
1    (0.999, 3.25]
2      (7.75, inf]
Name: A, dtype: category
Categories (4, interval[float64]): [(0.999, 3.25] < (3.25, 5.5] < (5.5, 7.75] < (7.75, inf]]

a，bin=pd.qcut（pd.DataFrame（{“a”：[1,2,3,4,5,6,7,8,9，np.inf]）。a，retbins=True，q=4）
pd.cut（pd.DataFrame（{“A”：[1,2,11]}）.A，bins=bin，include_lowest=True）
0    (0.999, 3.25]
1    (0.999, 3.25]
2（7.75，inf]
名称：A，数据类型：类别
类别（4，区间[float64]）：[（0.999，3.25]<（3.25，5.5]<（5.5，7.75]<（7.75，inf]]

a,bin = pd.qcut(pd.DataFrame({"A":[1,2,3,4,5,6,7,8,9,np.inf]}).A,retbins = True, q = 4)
pd.cut(pd.DataFrame({"A":[1,2,11]}).A, bins = bin ,include_lowest = True)

0    (0.999, 3.25]
1    (0.999, 3.25]
2      (7.75, inf]
Name: A, dtype: category
Categories (4, interval[float64]): [(0.999, 3.25] < (3.25, 5.5] < (5.5, 7.75] < (7.75, inf]]