如何在使用带有 IntervalIndex 的 pandas.cut 后重命名类别？

Question

我使用pandas.cut由IntervalIndex.from_tuples.

剪切按预期工作，但是类别显示为我在IntervalIndex. 有没有办法将类别重命名为不同的标签，例如（小、中、大）？

例子：

bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
pd.cut([0, 0.5, 1.5, 2.5, 4.5], bins)

结果类别将是：

[NaN, (0, 1], NaN, (2, 3], (4, 5]]
Categories (3, interval[int64]): [(0, 1] < (2, 3] < (4, 5]]

我正在尝试更改[(0, 1] < (2, 3] < (4, 5]]为类似1, 2 ,3or 的东西small, medium ,large。

遗憾的是，在使用 IntervalIndex 时，pd.cut 的标签参数参数会被忽略。

谢谢！

更新：

感谢@SergeyBushmanov，我注意到这个问题仅在尝试更改数据框内的类别标签时才存在（这就是我想要做的）。更新示例：

In [1]: df = pd.DataFrame([0, 0.5, 1.5, 2.5, 4.5], columns = ['col1'])
In [2]: bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
In [3]: df['col1'] = pd.cut(df['col1'], bins)
In [4]: df['col1'].categories = ['small','med','large']

In [5]: df['col1']

Out [5]:
0       NaN
1    (0, 1]
2       NaN
3    (2, 3]
4    (4, 5]
Name: col1, dtype: category
Categories (3, interval[int64]): [(0, 1] < (2, 3] < (4, 5]]

Answer 1

如果我们有一些数据：

bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
x = pd.cut([0, 0.5, 1.5, 2.5, 4.5], bins)

您可以尝试重新分配类别，例如：

In [7]: x.categories = [1,2,3]

In [8]: x   
Out[8]: 
[NaN, 1, NaN, 2, 3]
Categories (3, int64): [1 < 2 < 3]

或者：

In [9]: x.categories = ["small", "medium", "big"]                         

In [10]: x                                             
Out[10]: 
[NaN, small, NaN, medium, big]
Categories (3, object): [small < medium < big]

更新：

df = pd.DataFrame([0, 0.5, 1.5, 2.5, 4.5], columns = ['col1'])
bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
x = pd.cut(df["col1"].to_list(),bins)
x.categories = [1,2,3]
df['col1'] = x
df.col1
0    NaN
1      1
2    NaN
3      2
4      3
Name: col1, dtype: category
Categories (3, int64): [1 < 2 < 3]

更新 2：

在较新版本的 Pandas 中x.categories = [1, 2, 3]，x.cat.rename_categories不应使用重新分配类别，而应使用：

bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
x = pd.cut([0, 0.5, 1.5, 2.5, 4.5], bins)

labels可以是任何类型，并且在任何情况下，创建pd.IntervalIndex遗嘱时设置的原始分类顺序都会被保留。