极客笔记Python Pandas – 从分裂数组构造 IntervalArray 并返回每个区间的左端点
在数据分析和处理过程中，经常需要对数据进行离散化处理。使用 Pandas 的 IntervalArray 类可以很方便地实现这一过程，并返回每个区间的左端点，以便于数据分析。本文将介绍如何使用 Pandas 的 IntervalArray 类从分裂数组中构造 IntervalArray，并返回每个区间的左端点。
更多Pandas相关文章，请阅读：Pandas 教程
IntervalArray 的基本概念
IntervalArray 是 Pandas 中 IntervalIndex 和 Categorical 类的一种衍生类，它用于将数据集合划分为间隔不变的区间。区间可以设置左闭右开、左闭右闭或其他不同的方式。与其他数据结构不同，IntervalArray 具有不可变性质，即其构造一旦完成，就不能进行修改。如果需要修改，需要使用新的 IntervalArray 对象。
从分裂数组中构造 IntervalArray
在 Pandas 中构造 IntervalArray 的方法非常简单，只需要使用 pd.IntervalIndex() 方法即可。下面我们通过代码示例来演示如何将分裂数组转化成 IntervalArray 并返回每个区间的左端点。
import pandas as pd
# 构造分裂数组
split_array = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]
# 构造 IntervalArray 对象
interval_array = pd.IntervalIndex.from_breaks(breaks=split_array, closed="left")
# 输出 IntervalArray 对象
print(interval_array)
# 返回每个区间的左端点
left_endpoints = interval_array.left
# 输出每个区间的左端点
print(left_endpoints)
在上面的代码中，我们首先构造了一个分裂数组 split_array，然后使用 pd.IntervalIndex.from_breaks() 方法将其转化为 IntervalArray。其中 pd.IntervalIndex.from_breaks() 方法接受两个参数，第一个参数为分裂数组，第二个参数 closed 用于指定区间闭合方式。其中 closed=”left” 表示左闭右开的闭合方式。
接下来，我们使用 interval_array.left 方法返回每个区间的左端点，最终输出每个区间的左端点。运行上面的代码，输出如下：
IntervalIndex([(0.1, 0.2], (0.2, 0.3], (0.3, 0.4], (0.4, 0.5], (0.5, 0.6], (0.6, 0.7], (0.7, 0.8], (0.8, 0.9]],
closed='left',
dtype='interval[float64]')
Float64Index([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8], dtype='float64')
从上面的输出结果可以看出，我们构造的 IntervalArray 中每个区间的左端点都被正确返回了。
IntervalArray 的常用操作
除了可以使用 from_breaks() 方法构造 IntervalArray 外，Pandas 还提供了一系列常用的操作来处理该数据结构，包括：重叠操作、对象比较操作、对象转换操作、对象迭代操作等。
重叠操作
重叠操作是指 IntervalArray 与其他区间进行重叠比较。常用的重叠操作包括 overlaps()、contains()、get_indexer_non_unique()、is_overlapping() 和 get_loc() 等。
以 overlaps() 方法为例，我们可以通过 overlaps() 方法判断一个区间是否和另一个区间相交，如果相交则返回 True，否则返回 False。具体用法如下：
# 构造分裂数组和 IntervalArray 对象
split_array1 = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]
interval_array1 = pd.IntervalIndex.from_breaks(breaks=split_array1, closed="left")
interval_array2 = pd.IntervalIndex.from_breaks(breaks=split_array2, closed="left")
# 判断区间是否重叠
overlap = interval_array1.overlaps(interval_array2)
# 输出判断结果
print(overlap)
在上面的代码中，我们首先构造了两个分裂数组 split_array1 和 split_array2，并使用 pd.IntervalIndex.from_breaks() 方法将其分别转化为两个 IntervalArray 对象 interval_array1 和 interval_array2。接着使用 overlaps() 方法判断这两个 IntervalArray 对象是否重叠，最终输出判断结果为 False。
除了 overlaps() 方法外，还可以使用 contains()方法来判断是否包含某个值，get_indexer_non_unique() 方法来获取 IntervalArray 中值在另一个 IntervalArray 中的位置，is_overlapping() 方法来判断 IntervalArray 是否存在任何重叠，get_loc() 方法来获取 IntervalArray 对象中指定值的位置，等等。
对象比较操作
对象比较操作是指比较 IntervalArray 与其他数据结构或对象之间的关系，比如两个 IntervalArray 对象之间的相等比较和包含比较等。Pandas 中常用的对象比较操作包括 equals()、has_duplicates()、isin()、symmetric_difference() 和 intersection() 等。
对象转换操作
对象转换操作是指将 IntervalArray 转换为其他数据结构或对象，或将其他数据结构或对象转换为 IntervalArray。Pandas 中常用的对象转换操作包括 astype()、to_numpy()、to_list()、to_pandas() 和 to_series() 等。
对象迭代操作
对象迭代操作是指遍历 IntervalArray 对象中的每个元素。在 Pandas 中，我们可以使用 for 循环遍历 IntervalArray 中的每个区间。具体用法如下：
# 构造 IntervalArray 对象
split_array = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9]
interval_array = pd.IntervalIndex.from_breaks(breaks=split_array, closed="left")
# 遍历 IntervalArray 中的每个区间
for interval in interval_array:
print(interval)
在上面的代码中，我们首先构造了一个分裂数组 split_array，并使用 pd.IntervalIndex.from_breaks() 方法将其转化为一个 IntervalArray 对象 interval_array。接着使用 for 循环遍历 interval_array 中的每个区间，并打印输出每个区间的值。
结论
在本文中我们介绍了 Pandas 中的 IntervalArray 类，它可用于将数据集合划分为间隔不变的区间，并返回每个区间的左端点。我们演示了如何使用 pd.IntervalIndex.from_breaks() 方法从分裂数组中构造 IntervalArray，并展示了 IntervalArray 常用的操作，包括重叠、比较、转换、迭代等操作。希望本文能够对您理解 IntervalArray 的用法有所帮助。