Python 在“装箱”中同时输出“箱子”和“标签”列

我有一个dataframe列，我想对其执行装箱，例如：

df.head
X
4.6
2.5
3.1
1.7

我希望一列用于bin范围，一列用于标签，如下所示：

df.head
X bin label
4.6 (4,5] 5
2.5 (2,3] 3
3.1 (3,4] 4
1.7 (1,2] 2

显然，如下设置

label

参数只会产生一列bin标签，而不再是范围

df['bin'] = df.X.apply(pd.cut, labels=np.arange(5))

有没有更优雅的解决方案，而不是对两列运行

pd.cut

2次

---

感谢如果您允许

pd.cut

动态设置垃圾箱边缘，您可以使用

retbins

标志。从：

这将返回第二个结果：

bins: numpy.ndarray or IntervalIndex.
    The computed or specified bins. Only returned when
    retbins=True. For scalar or sequence bins, this is
    an ndarray with the computed bins. If set
    duplicates=drop, bins will drop non-unique bin. For
    an IntervalIndex bins, this is equal to bins.

可以使用此选项将箱子边缘指定给框架：

assignments，edges=pd.cut（df.X，bins=5，labels=False，retbins=True）
df['label']=赋值
df['bin_floor']=边缘[作业]
df['bin_ceil']=边[assignments+1]

您的注释表明您希望在groupby操作中使用此选项。在这种情况下，您可以将上述内容包装到函数中：

def分配动态标识和标签(
df，
价值观，
恩宾斯，
label_col='label'，
本楼，
bin_ceil_col='bin_ceil'，
):
指定，边=pd.cut(
df[value\u col]，bin=5，labels=False，retbins=True
)
df[标签列]=赋值
df[bin\u floor\u col]=边[赋值]
df[bin_ceil_col]=边[assignments+1]
返回df
df.groupby（'id'）.apply（分配动态标识和标签'X'，5）

您能否发布一组示例数据和代码，向我们展示您的工作和尝试？下面是一些关于在提问时创建一个新问题的提示。我已经编辑了这个问题。谢谢问题是在执行

pd.cut

之前，我不知道箱子边缘是什么，所以我没有

bin\u标签这样的数组。在我的实际实现中，binning是以索引为条件执行的，因此我的代码如下：
df['bin']=df.groupby（'id'）.X.apply（pd.cut，bins=5）
。由于有大量的
id
，我不可能事先知道每个
id
的箱子。我明白了。这是你问题中非常重要的一部分。感谢您对问题的修改！你甚至不能打电话给警察局。把你的问题写下来。你能修改这个问题以反映你的实际用例吗？@c我已经修改了我的答案以反映你的评论。
bins: numpy.ndarray or IntervalIndex.
    The computed or specified bins. Only returned when
    retbins=True. For scalar or sequence bins, this is
    an ndarray with the computed bins. If set
    duplicates=drop, bins will drop non-unique bin. For
    an IntervalIndex bins, this is equal to bins.