使用 pandas.cut 和 IntervalIndex 后如何重命名类别？

我使用离散化数据框中的一列pandas.cut与创建的垃圾箱IntervalIndex.from_tuples.

剪切按预期工作，但是类别显示为我在IntervalIndex。有什么方法可以将类别重命名为不同的标签，例如（小号中号大号）？

Example:

bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
pd.cut([0, 0.5, 1.5, 2.5, 4.5], bins)

结果类别将是：

[NaN, (0, 1], NaN, (2, 3], (4, 5]]
Categories (3, interval[int64]): [(0, 1] < (2, 3] < (4, 5]]

我正在努力改变[(0, 1] < (2, 3] < (4, 5]]变成类似的东西1, 2 ,3 or small, medium ,large.

遗憾的是，使用 IntervalIndex 时，pd.cut 的 labels 参数被忽略。

Thanks!

UPDATE:

感谢@SergeyBushmanov，我注意到这个问题仅在尝试更改数据帧内的类别标签时才存在（这就是我想要做的）。更新的示例：

In [1]: df = pd.DataFrame([0, 0.5, 1.5, 2.5, 4.5], columns = ['col1'])
In [2]: bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
In [3]: df['col1'] = pd.cut(df['col1'], bins)
In [4]: df['col1'].categories = ['small','med','large']

In [5]: df['col1']

Out [5]:
0       NaN
1    (0, 1]
2       NaN
3    (2, 3]
4    (4, 5]
Name: col1, dtype: category
Categories (3, interval[int64]): [(0, 1] < (2, 3] < (4, 5]]

如果我们有一些数据：

bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
x = pd.cut([0, 0.5, 1.5, 2.5, 4.5], bins)

您可以尝试重新分配类别，例如：

In [7]: x.categories = [1,2,3]

In [8]: x   
Out[8]: 
[NaN, 1, NaN, 2, 3]
Categories (3, int64): [1 < 2 < 3]

or:

In [9]: x.categories = ["small", "medium", "big"]                         

In [10]: x                                             
Out[10]: 
[NaN, small, NaN, medium, big]
Categories (3, object): [small < medium < big]

UPDATE:

df = pd.DataFrame([0, 0.5, 1.5, 2.5, 4.5], columns = ['col1'])
bins = pd.IntervalIndex.from_tuples([(0, 1), (2, 3), (4, 5)])
x = pd.cut(df["col1"].to_list(),bins)
x.categories = [1,2,3]
df['col1'] = x
df.col1
0    NaN
1      1
2    NaN
3      2
4      3
Name: col1, dtype: category
Categories (3, int64): [1 < 2 < 3]

UPDATE 2:

在较新版本的 pandas 中，不要使用重新分配类别x.categories = [1, 2, 3], x.cat.rename_categories应该使用：

labels = [1, 2, 3]
x.cat.rename_categories(labels, inplace=True)

labels可以是任何类型，并且在任何情况下，都是创建时设置的原始分类顺序pd.IntervalIndex将被保留。