pandas interval_range 用大整数，却生成了空区间

pd.interval_range(start=2**53, end=2**53 + 4, freq=1) 的输入全是整数，结果却出现左右端点相同的空区间。检查输出断点之前，不要认定是原始数据有重复边界。

这一问题在 pandas 2.2.3 中出现，3.1.0 也仍采用相关浮点中间计算：为包含结束值，代码使用 end + freq * 0.1 再生成断点。整数进入浮点运算后，靠近或超过 2**53 的相邻整数未必能分别表示；后续再转回整数，也无法找回已经合并的区别。

从整数断点直接构造

对于范围可控、正整数步长，而且结束点正好落在网格上的场景，可以明确生成整数边界：

import numpy as np
import pandas as pd

start = 2**53
end = start + 4
breaks = np.array(list(range(start, end + 1)), dtype=np.int64)
intervals = pd.IntervalIndex.from_breaks(breaks, closed="right")

这个例子只有五个断点，预期得到四个宽度为 1 的右闭区间。closed="right" 对应 (a, b]，应使用业务原来的闭合约定；修复精度时不要改变边界点属于哪一段。

实际步长不是 1 时，应先确定 (end - start) 是否整除步长，以及余数部分该舍弃还是单独形成最后一段。不要机械追加 end，生成一个与原频率不同的区间。负步长或倒序边界也应按实际接口约束另行处理。

大整数与大范围是两个限制

数值超过浮点连续整数精度，并不表示它超过 int64；本例在 int64 范围内，可以保留精确整数。若真实输入超出 int64，则需另选数据表示，不能强制转换后接受溢出结果。

同时，range 覆盖的断点数量可能很大。示例中的 list(range(...)) 只适合已检查规模的小范围；先估算断点个数和内存，不能把几十亿个边界一次装入列表。需要不同数据结构时，保持原来的整数与区间语义，再设计分块或其他索引方式。

intervals.astype(...) 或给显示结果设置整数格式不会修正已丢失的边界。应从原始整数重新构造，不从错误的浮点区间反推。

验收检查区间数量、相邻左右端点、每段宽度，以及边界值的包含关系。特别覆盖 2**53 附近的相邻整数与实际使用的最大值。已经用错误区间完成的分箱或关联需要重算；只重建索引不会自动修复此前保存的类别结果。