pandas中cut函数的问题

        今天同事给我反馈个问题，就是不同列分箱后的数据总数不一样，正常来说，一个dataframe（数据对齐的情况下），不同列的长度一致，尽管不同列可能分的组数不一样，但是总数应该一样。于是就再查了一下的cut这个函数，cut有如下几个参数：

x :              是我们要传入和切分的一维数组，可以是列表，也可以是dataFrame的一列
bins :           代表切片的方式，可以自定义传入列表[a,b,c],表示按照a-b,b-c的区间来切分，也可以是数值n，直接指定分为n组
right :          True/False,为True时，表示分组区间是包含右边，不包含左边，即(]； False，代表[)
labels :         标签参数，比如[低、中、高]
retbins :        True/False, True返回bin的具体范围值，当bins是单个数值时很有用。(因为bin是数字的话，  划分组具体数值我们是不知道的)
precision :      存储和显示 bin 标签的精度。默认为3
include_lowest : True/False, 第一个区间是否应该是左包含的
duplicates :     raise/drop, 如果bin列表里有重复，报错/直接删除至保留一个
ordered :        标签是否有序。 适用于返回的类型 Categorical 和 Series（使用 Categorical dtype）。 如果为 True，则将对生成的分类进行排序。 如果为 False，则生成的分类将是无序的（必须提供标签）

因为统计的数不一样，所以不是多了就是少了，多了的话可能是重复统计，但是看参数，特别是区间参数right，无非就两种情况，一种左开右闭或者左闭右开，但是无论那种情况，都不可能重复统计，所以不可能是统计多了，那只能是统计少了，那么哪个参数可能导致统计少呢，经过一番研究，发现include_lowest这个参数在用的时候有可能不严谨，比如说，我的数据是下面这样：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'a':np.arange(10),
    'b':np.arange(10),
})
df_cut = pd.cut(df['a'],bins=[0,3,6,9])

得到

0           NaN
1    (0.0, 3.0]
2    (0.0, 3.0]
3    (0.0, 3.0]
4    (3.0, 6.0]
5    (3.0, 6.0]
6    (3.0, 6.0]
7    (6.0, 9.0]
8    (6.0, 9.0]
9    (6.0, 9.0]

可以看到，虽然bins中我传了0，但是因为默认它的区间是左开右闭，所以没包含0，而且我也没加include_lowest参数，导致漏了结果，当然这个跟区间开闭参数也脱不开关系，因为一开一闭，总会漏掉一面，不是漏前面就是漏后面，所以要想统计全，需要两个参数结合使用，区间它默认用左开右闭，那就先按默认的来，当然在这种情况下，最小数据如果落在第一个区间左边界，刚好被漏掉，此时，再加一个include_lowest参数则正好能补上漏掉的数据，这样就比较完美了。加上这个参数后得到结果

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'a':np.arange(10),
    'b':np.arange(10),
})
df_cut = pd.cut(df['a'],bins=[0,3,6,9],include_lowest=True)
df_cut

0    (-0.001, 3.0]
1    (-0.001, 3.0]
2    (-0.001, 3.0]
3    (-0.001, 3.0]
4       (3.0, 6.0]
5       (3.0, 6.0]
6       (3.0, 6.0]
7       (6.0, 9.0]
8       (6.0, 9.0]
9       (6.0, 9.0]

可以发现，已经可以把0补上了。