pandas习题 221：商品的价格分布区间分析

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

（编码题）假设你正在分析某电商平台商品的价格分布区间，需要使用 pandas.Interval 来处理价格区间。请完成以下问题：

创建区间：创建一个半开半闭区间 price_interval，表示价格范围从 100（包含）到 500（不包含），区间在右侧闭合（即左开右闭）。
区间属性：获取该区间的长度、中点以及右边界值。
区间运算：假设所有商品价格打 8 折，请创建新的区间 discounted_interval，其左右边界为原区间 price_interval 左右边界乘以 0.8。
成员判断：判断价格 250 和 500 是否在 price_interval 区间内。
区间关系：创建另一个区间 special_offer（从 400（包含）到 600（包含），两侧闭合），判断 special_offer 是否与 price_interval 重叠。

参考答案

代码如下：

import pandas as pd

# 1. 创建区间
price_interval = pd.Interval(left=100, right=500, closed='right')
print(f"创建的区间: {price_interval}")
# 输出: Interval(100, 500, closed='right')

# 2. 区间属性
interval_length = price_interval.length
interval_mid = price_interval.mid
interval_right = price_interval.right
print(f"区间长度: {interval_length}, ")
print(f"中点: {interval_mid}, ")
print(f"右边界: {interval_right}")
# 输出: 区间长度: 400, 中点: 300.0, 右边界: 500

# 3. 区间运算
discounted_interval = price_interval * 0.8
print(f"折扣后区间: {discounted_interval}")
# 输出: Interval(80.0, 400.0, closed='right')

# 4. 成员判断
test_price1 = 250
test_price2 = 500
is_in_interval1 = test_price1 in price_interval
is_in_interval2 = test_price2 in price_interval
print(f"价格 {test_price1} 在区间内: {is_in_interval1}")
# 输出: True
print(f"价格 {test_price2} 在区间内: {is_in_interval2}")
# 输出: True (因为区间右闭合)

# 5. 区间关系
special_offer = pd.Interval(left=400, right=600, closed='both')
overlaps = price_interval.overlaps(special_offer)
print(f"special_offer 与 price_interval 是否重叠: {overlaps}")
# 输出: True

考察点解析

创建区间 (pd.Interval): 题目指定了右侧闭合（closed='right'），这意味着区间包含右边界（500），但不包含左边界（100）。这要求理解 closed 参数不同取值的含义。
区间属性: 直接访问 Interval 对象的 length (长度)、mid (中点) 和 right (右边界) 属性。
区间运算: Interval 对象支持一些算术运算（如乘法），运算会应用于每个边界。这里原区间 (100, 500] 乘以 0.8 后得到新区间 (80.0, 400.0]。
成员判断 (in): 使用 in 关键字判断标量是否在区间内。由于 price_interval 是右闭合的，所以 500 属于该区间。
区间关系 (overlaps): 使用 overlaps 方法判断两个区间是否重叠。price_interval (100, 500] 和 special_offer [400, 600] 共享了 400 到 500 之间的点，因此重叠。

扩展思考

pandas.Interval 常用于数据分箱（Binning）或分段分析，例如 cut 和 qcut 函数返回的区间对象。你可以尝试用它来分析年龄组、收入层级等连续数据的分段统计。

（完）

pandas习题 221：商品的价格分布区间分析

参考答案

考察点解析

扩展思考

相关内容