将区间的字符串表示形式转换为 pandas 中的实际区间

Question

我的问题很简单，但我不确定是否有办法完成我正在寻找的事情：

我必须在 SQL 数据库中存储一些数据，其中包括一些稍后将使用的间隔。因此，我必须将其存储为字符串，如下所示：

 variable     interval
    A          (-0.001, 2.0]
    A          (2.0, 6.0]

那么，我想使用所说的间隔来削减另一个变量，如下所示：

df1 =  pd.DataFrame({'interval': {4: '(-0.001, 2.0]',
  5: '(2.0, 6.0]'},
 'variable': {4: 'A',
  5: 'A',
}})
df2 =  pd.DataFrame({'A': [1,1,3]})
bins = df1[df1.variable.eq('A')].interval
new_series = pd.cut(df2['A'], bins=bins)

但这带来了：

 ValueError: could not convert string to float: '(-0.001, 2.0]'
 

尝试过：

bins = bins.astype('interval')

但这带来了：

TypeError: type <class 'str'> with value (-0.001, 2.0] is not an interval

有什么我可以做的吗？谢谢

Answer 1

IIUC，您可以手动解析字符串，然后将 bin 转换为 IntervalIndex：

import ast

import pandas as pd


def interval_type(s):
    """Parse interval string to Interval"""
    
    table = str.maketrans({'[': '(', ']': ')'})
    left_closed = s.startswith('[')
    right_closed = s.endswith(']')

    left, right = ast.literal_eval(s.translate(table))

    t = 'neither'
    if left_closed and right_closed:
        t = 'both'
    elif left_closed:
        t = 'left'
    elif right_closed:
        t = 'right'

    return pd.Interval(left, right, closed=t)


df1 = pd.DataFrame({'interval': {4: '(-0.001, 2.0]', 5: '(2.0, 6.0]'},
                    'variable': {4: 'A', 5: 'A'}})
df1['interval'] = df1['interval'].apply(interval_type)

df2 = pd.DataFrame({'A': [1, 1, 3]})
bins = df1[df1.variable.eq('A')].interval
new_series = pd.cut(df2['A'], bins=pd.IntervalIndex(bins))

print(new_series)

输出

0    (-0.001, 2.0]
1    (-0.001, 2.0]
2       (2.0, 6.0]
Name: A, dtype: category
Categories (2, interval[float64]): [(-0.001, 2.0] < (2.0, 6.0]]