如何基于百分位区间为Pandas列赋值？遇Series真值歧义错误

需要给Pandas DataFrame多列的每个值，根据所属百分位区间分配1-5的分数。编写get_percentiles函数后用apply调用时触发错误：Truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all()，期望得到包含对应分数的新DataFrame。

原代码如下：

import pandas as pd
import numpy as np

def get_percentiles(x, percentile_array):
    percentile_array = np.sort(np.array(percentile_array))
    if x < x.quantile(percentile_array[0]) < 0:
        return 1
    elif (x >= x.quantile(percentile_array[0]) & (x < x.quantile(percentile_array[1])):
        return 2
    elif (x >= x.quantile(percentile_array[1]) & (x < x.quantile(percentile_array[2])):
        return 3
    elif (x >= x.quantile(percentile_array[2]) & (x < x.quantile(percentile_array[3])):
        return 4
    else:
        return 5

df = pd.DataFrame({'col1' : [1,10,5,9,15,4],
                   'col2' : [4,10,15,19,3,2],
                   'col3' : [10,5,6,9,1,24]})

percentile_array = [0.05, 0.25, 0.5, 0.75]
df.apply(lambda x : get_percentiles(x, percentile_array), result_type = 'expand')

错误原因 #

1. 参数类型误解：apply传入get_percentiles的x是整列的Series，不是单个元素。直接用x < x.quantile(...)会生成布尔Series，if语句无法直接判断布尔Series的真假，导致歧义错误。
2. 语法与逻辑错误：原代码的elif括号不匹配，逻辑与&的使用缺少括号包裹单个条件；第一个if的x < x.quantile(...) < 0逻辑混乱，完全不符合需求。
3. 函数逻辑错位：原函数试图对整列Series返回单个值，但我们需要给每个元素分配对应分数，逻辑方向错误。

解决方法 #

方法1：用pd.cut（推荐，高效简洁） #

pd.cut是Pandas专门的分箱工具，直接按百分位划分区间并分配1-5的分数：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col1' : [1,10,5,9,15,4],
                   'col2' : [4,10,15,19,3,2],
                   'col3' : [10,5,6,9,1,24]})

percentile_array = [0.05, 0.25, 0.5, 0.75]

def assign_score(col):
    # 生成包含两端极值的分箱区间
    bins = [-np.inf] + [col.quantile(p) for p in percentile_array] + [np.inf]
    # 对应区间的分数标签
    labels = [1,2,3,4,5]
    # 分箱并分配标签，include_lowest确保最小值被包含在第一个区间
    return pd.cut(col, bins=bins, labels=labels, include_lowest=True)

# 对每列应用分箱逻辑
df_scores = df.apply(assign_score)
print(df_scores)

方法2：修正自定义函数（用np.select处理Series） #

如果要保留自定义函数的思路，用np.select替代if-elif，直接处理Series的条件判断：

import pandas as pd
import numpy as np

def get_percentiles(x, percentile_array):
    percentile_array = np.sort(np.array(percentile_array))
    # 提前计算各百分位的阈值
    p0, p1, p2, p3 = [x.quantile(p) for p in percentile_array]
    # 定义每个分数对应的条件
    conditions = [
        x < p0,
        (x >= p0) & (x < p1),
        (x >= p1) & (x < p2),
        (x >= p2) & (x < p3)
    ]
    # 对应条件的分数
    values = [1,2,3,4]
    # 不满足前面条件的返回5
    return np.select(conditions, values, default=5)

df = pd.DataFrame({'col1' : [1,10,5,9,15,4],
                   'col2' : [4,10,15,19,3,2],
                   'col3' : [10,5,6,9,1,24]})

percentile_array = [0.05, 0.25, 0.5, 0.75]
df_scores = df.apply(lambda x : get_percentiles(x, percentile_array))
print(df_scores)

两种方法都能输出预期的分数DataFrame，方法1更符合Pandas的惯用写法，效率更高。

内容的提问来源于stack exchange，提问作者Karthik S