Python 如何有效地利用熊猫的分类和间隔 背景

我已经创建了一个模型。更准确地说，标准的机器学习模型在我的数据集上表现得非常糟糕，所以我选择了“老派”，简单地将我的数值组合起来，然后计算每个变量的平均值。现在我想使用这个组合数据集“预测”

我的“模型”数据集如下所示：

binnedYearOfBuild binnedGross binnedNet平均值
0   (1950.999, 1995.0]  (24.999, 916.0]     (5.999, 332.0]  11700.00
1   (1950.999, 1995.0]  (24.999, 916.0]     (5.999, 332.0]  68520.00
2   (1950.999, 1995.0]  (24.999, 916.0]     (5.999, 332.0]  70890.00
3   (1950.999, 1995.0]  (24.999, 916.0]     (5.999, 332.0]  44306.25
4   (1950.999, 1995.0]  (24.999, 916.0]     (5.999, 332.0]  26640

预测数据 但除平均值外，这些都是区间。我的数据将具有实际值，如下所示：

建筑总净值年份
100     2010.0      19128.0     9736.0
200     2008.0      16162.0     6128.0
300     2009.0      792.0       0.0
400     2009.0      792.0       0.0
500     2009.0      8273.0      4002

问题：检查这些间隔非常慢 我无法找到一种有效的方法来询问每行新数据属于模型的哪一行。我做了如下操作：

def check\u binned\u cols（行，值）：
#3因为有3个装箱的可乐
对于范围（3）内的idx：
如果val[idx]不在第[idx]行中：
返回错误
返回真值

然后：

any（model_df.iloc[：，：3]。应用（检查组合列，axis='columns'，args=（预测行，））

其中，

predict\u row

是我要检查的预测数据集中的一行

这是难以置信的慢，这并不让我感到惊讶；我在一个函数中抛出了一个for循环，该函数被

pd.apply

调用。但是我似乎找不到一些可以满足我要求的预先制作的函数。这似乎很难相信，因为我只是试图检查一个值是否在一个间隔内

---

如何做得更好（更快）？

您是如何创建箱子的？您是否使用了

pd.cut/qcut

？您可能可以将

pd.cut

应用于通过箱子限制的测试数据，然后将其传递给模型。您是如何创建箱子的？您是否使用了

pd.cut/qcut

？您可能可以将

pd.cut

应用于通过箱子限制的测试数据，然后将其传递给模型模型。