如何在Pandas DataFrame中按对数刻度将数值分箱到对应阶数？

需求说明 #

需要将Pandas DataFrame中某列的数值，按10的幂次刻度分箱，映射到对应的阶数。结合预期结果，阶数与数值范围的对应逻辑为：

• 阶数d对应：10^(d-1) ≤ x < 10^d（d≥0时）
• 阶数d对应：10^d ≤ x < 10^(d+1)（d<0时）

给定示例数据集：

import pandas as pd
import numpy as np

df = pd.DataFrame(data={'number' : [0.478, 897.12, 12.56, 8.89, 1578.45, 0.089, 0.007]})

预期生成log_10_class列的结果：

高效实现方法 #

利用NumPy的对数与取整函数，一行代码即可完成计算，效率远高于手动分箱：

# 计算log_10_class列
df['log_10_class'] = np.floor(np.log10(df['number'])) + 1

# 处理数值≤0的异常情况（可选，根据需求调整）
df.loc[df['number'] <= 0, 'log_10_class'] = np.nan

逻辑解释 #

1. np.log10(df['number'])：计算每个数值以10为底的对数值
2. np.floor(...)：对对数结果向下取整
3. +1：将取整结果偏移1，得到符合预期的阶数
4. 非正数处理：对数函数对非正数无意义，可根据业务需求标记为NaN或其他值

验证结果 #

运行代码后，df的输出与预期完全一致：

print(df)
# 输出：
#      number  log_10_class
# 0    0.478           0.0
# 1  897.120           3.0
# 2   12.560           2.0
# 3    8.890           1.0
# 4 1578.450           4.0
# 5    0.089          -1.0
# 6    0.007          -2.0

内容的提问来源于stack exchange，提问作者Maxime Oriol