python - 在python中，如何根据具有下限和上限的查找表对范围进行分类

Question

编辑：这个问题被标记为重复，但我查看了另一个问题的解决方案，它并没有完全解决我的问题。所以这不是重复的。

我有一个带有数字变量的数据集，我想将它们映射到存储在查找表中的证据权重。下面是一个例子，但我有很多变量要转换。我怎样才能自动化呢？我过去曾使用 SAS 和 SQL 完成此操作，但不知道如何在 Python 中执行此操作？我搜索了互联网，但找到了使用 pd.cut 的示例。但是，它需要我们手动编码 bin 范围。我不确定如何自动执行此操作。我希望下限大于或等于（>=），上限小于（<）。

我在下面写了一个代码。我在掩码语句中收到错误。你能告诉我代码有什么问题吗？谢谢。

temp_dict = {'var1': [4, 2, 2, 4, 7, 4, 12, 8, 17, 42, 33, 10, 7, 5, 17, 29, 64, 20, 39, 6], 
             'var2': [9, 8, 2, 17, 14, 14, 16, 8, -999999999,-999999999, 10, -999999999, 16, 20, 17,
                      -999999999, -999999999, -999999999,-999999999, 3]}
df = pd.DataFrame.from_dict(temp_dict) 

查找表：

指数	特征名称	下限	上限	祸不单行
0	变量1	-999999990	1.5	1.363071
1	变量1	1.5	2.5	1.231135
2	变量1	2.5	3.5	0.819431
3	变量1	3.5	14.5	0.617399
4	变量1	14.5	15.5	-0.62779
5	变量1	15.5	20.5	-0.706259
6	变量1	20.5	999999990	-0.950134
7	变量1	-999999999	-999999999	0
8	变量1	钠	钠	0
0	变量2	-999999990	0.5	0.951202
1	变量2	0.5	1.5	0.427215
2	变量2	1.5	2.5	0.218994
3	变量2	2.5	3.5	0.026722
4	变量2	3.5	13.5	-0.071878
5	变量2	13.5	999999990	-1.615368
6	变量2	-999999999	-999999999	0
7	变量2	钠	钠	0

期望的结果：

变量1	变量2	WoE_var1	WoE_var2
4	9	0.617399	-0.071878
2	8	1.231135	-0.071878
2	2	1.231135	0.218994
4	17	0.617399	-1.615368
7	14	0.617399	-1.615368

编辑：

我想通了。这是代码。

binned_vars= ['var1','var2'..'varn']
short_list= ['var1','var2']
for variable in binned_vars:
    if variable in short_list:
        for i in lookup_table[(lookup_table['feature_name'] == variable)]['Index'].to_list():
            lower_limit = lookup_table[(lookup_table['feature_name'] == variable) & (lookup_table['Index'] == i)]['lower_limit'].to_list()[0]
            upper_limit = lookup_table[(lookup_table['feature_name'] == variable) & (lookup_table['Index'] == i)]['upper_limit'].to_list()[0]
            WoE = lookup_table[(lookup_table['feature_name'] == variable) & (lookup_table['Index'] == i)]['WoE'].to_list()[0]  
            mask = ((df[variable] >= lower_limit) & (df[variable] < upper_limit))
            var_name = variable + '_WoE'
            df.loc[mask,var_name] = WoE

标签： pythonpandas