如何在Pandas中正确实现年龄列的区间条件映射？

你用map处理性别列可行，是因为map是基于元素精确匹配的键值映射——性别列的每个值（'female'/'male'/'other'）都能和字典的键完全对应。但年龄列是数值，你写的'25 < age < 36'是字符串条件，不是实际的年龄值，所以map无法识别匹配，自然失效。

下面是两种靠谱的实现方式：

方法一：用pd.cut（推荐，专门用于区间分箱） #

pandas.cut是为数值区间分箱设计的工具，直接指定区间和对应标签即可：

import pandas as pd

# 定义区间边界，调整边界避免重叠，这里用左闭右开逻辑
bins = [25, 35, 45, 56]
labels = [1, 2, 3]

# include_lowest=True确保25<=age<=35被纳入第一个区间
df['age'] = pd.cut(df['age'], bins=bins, labels=labels, include_lowest=True)

如果要匹配你原本写的25 < age < 36这种左开右闭区间，可调整参数：

df['age'] = pd.cut(df['age'], bins=[25, 36, 46, 56], labels=[1,2,3], right=False)

方法二：自定义函数+apply #

如果需要更灵活的条件逻辑，比如处理特殊边界值，可以写自定义函数，用apply逐行处理：

def map_age(age):
    if 25 < age < 36:
        return 1
    elif 35 < age < 46:
        return 2
    elif 45 < age < 56:
        return 3
    else:
        return None  # 处理不在目标区间内的情况

df['age'] = df['age'].apply(map_age)

注意：你写的区间存在重叠（比如35-36的数值会同时满足两个条件），建议调整边界避免歧义，比如把第一个区间改为25 < age <=35，第二个改为35 < age <=45。

方法三：用np.select（多条件映射） #

适合多分支条件场景，逻辑清晰直观：

import numpy as np

conditions = [
    (df['age'] > 25) & (df['age'] < 36),
    (df['age'] > 35) & (df['age'] < 46),
    (df['age'] > 45) & (df['age'] < 56)
]
choices = [1, 2, 3]

df['age'] = np.select(conditions, choices, default=None)

内容的提问来源于stack exchange，提问作者user3892