ValueError: Bin labels must be one fewer than the number of bin edges
La pd.cut, lista labels trebuie să aibă cu un element mai puțin decât lista bins: 4 margini fac 3 intervale, deci 3 etichete. Numără marginile și etichetele; de obicei lipsește o margine (prima sau ultima) sau ai o etichetă în plus.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
pd.cut(valori, bins=[0, 50, 200, 1000]) împarte axa în intervale între margini consecutive: (0, 50], (50, 200], (200, 1000]. Patru margini = trei intervale. labels dă câte un nume pentru fiecare interval, deci trebuie să aibă exact trei elemente.
Mesajul „Bin labels must be one fewer than the number of bin edges” = numărul de etichete trebuie să fie numărul de margini minus unu. Apare când ai uitat una dintre margini (de obicei prima, 0, sau ultima, valoarea maximă / float("inf")), sau ai adăugat o categorie nouă în labels fără să adaugi și marginea ei.
Verificare rapidă: len(labels) == len(bins) - 1.
De ce apare: cauzele frecvente
1Lipsește marginea de jos
pd.cut(df["pret"], bins=[50, 200, 1000], labels=["ieftin", "mediu", "scump"])pd.cut(df["pret"], bins=[0, 50, 200, 1000], labels=["ieftin", "mediu", "scump"])Cu marginea 0 adăugată, sunt 4 margini și 3 intervale, câte unul pentru fiecare etichetă.
2Lipsește marginea de sus
pd.cut(df["varsta"], bins=[0, 18, 65], labels=["copil", "adult", "senior"])pd.cut(df["varsta"], bins=[0, 18, 65, float("inf")], labels=["copil", "adult", "senior"])float("inf") închide ultimul interval, ca orice valoare peste 65 să intre la „senior”.
3O etichetă în plus
pd.cut(note, bins=[0, 5, 10], labels=["picat", "trecut", "excelent"])pd.cut(note, bins=[0, 4.99, 8.99, 10], labels=["picat", "trecut", "excelent"])Pentru trei categorii ai nevoie de trei intervale, adică patru margini.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Bin labels must be one fewer than the number of bin edges. Produsele se împart în ieftine (până la 50 de lei), medii (50–200) și scumpe (peste 200). Adaugă marginea lipsă ca să afișeze categoria fiecărui produs și câte produse sunt în fiecare categorie.
import pandas as pd
df = pd.DataFrame({
"produs": ["Cană", "Lampă", "Scaun", "Birou", "Pix"],
"pret": [35, 120, 260, 900, 5],
})
df["categorie"] = pd.cut(df["pret"], bins=[50, 200, float("inf")], labels=["ieftin", "mediu", "scump"])
print(df["categorie"].tolist())
print(df["categorie"].value_counts(sort=False).to_dict())['ieftin', 'mediu', 'scump', 'scump', 'ieftin']
{'ieftin': 2, 'mediu': 1, 'scump': 2}Indiciu
Pentru 3 etichete îți trebuie 4 margini; prima margine poate fi 0.
Reparația
import pandas as pd
df = pd.DataFrame({
"produs": ["Cană", "Lampă", "Scaun", "Birou", "Pix"],
"pret": [35, 120, 260, 900, 5],
})
df["categorie"] = pd.cut(df["pret"], bins=[0, 50, 200, float("inf")], labels=["ieftin", "mediu", "scump"])
print(df["categorie"].tolist())
print(df["categorie"].value_counts(sort=False).to_dict())De ce merge
Trei margini (50, 200, infinit) formează doar două intervale, dar am dat trei etichete. Cu marginea 0 adăugată, intervalele sunt (0, 50], (50, 200] și (200, inf), câte unul pentru fiecare etichetă. Cana și pixul sunt ieftine, lampa e medie, iar scaunul și biroul sunt scumpe.
Alte forme ale mesajului
ValueError: Bin labels must be one fewer than the number of bin edges
Cum o eviți pe viitor
- Scrie marginile și etichetele una sub alta și numără-le înainte de rulare.
- Folosește
float("inf")(sau-float("inf")) la capete, ca să nu rămână valori în afara intervalelor. - Verifică rezultatul cu
value_counts(dropna=False): unNaNînseamnă valori care nu intră în niciun interval. - La
pd.qcut(valori, q=4, labels=[...]), numărul de etichete trebuie să fie egal cuq.
Întrebări frecvente
De ce unele valori devin NaN după pd.cut?
Pentru că sunt în afara marginilor sau chiar pe marginea de jos: intervalele sunt implicit închise la dreapta, deci 0 nu intră în (0, 50]. Folosește o margine de jos mai mică sau include_lowest=True.
Pot folosi pd.cut fără etichete?
Da. Fără labels, categoriile sunt chiar intervalele, de exemplu (50, 200]. Cu labels=False primești numărul intervalului (0, 1, 2...).
Erori înrudite
ValueError: bins must increase monotonically. Marginile date la pd.cut (bins=) nu sunt în ordine crescătoare: o margine e mai mică decât cea dinaintea ei, de obicei din cauza unei greșeli de tastare (2000 în loc de 200) sau a unei liste construite în altă ordine. Scrie marginile crescător, de la cea mai mică la cea mai mare. ValueError: Bin edges must be unique: Index([0.0, 0.0, 0.0, 1.25, 5.0], dtype='float64'). pd.qcut a calculat marginile intervalelor din cuantile, dar multe valori sunt egale (de exemplu multe zerouri), iar unele margini au ieșit identice. Folosește duplicates="drop" (vei avea mai puține grupe), mai puține grupe (q mai mic) sau pd.cut cu margini alese de tine. ValueError: Length of values (3) does not match length of index (4) Atribui unei coloane o listă (sau un array) cu alt număr de valori decât rândurile DataFrame-ului: aici 3 valori pentru 4 rânduri. Dă câte o valoare pentru fiecare rând sau, mai sigur, construiește coloana din datele existente (map cu un dicționar, merge). Învață Python pentru analiza datelor de la zero, cu exerciții la fiecare lecție
Curs Data Analysis with Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
