如何将DataFrame列元素转换为条件判断语句？

针对你的需求，分两种场景给出优雅实现：

一、生成目标格式的条件语句文本 #

通过遍历DataFrame动态拼接字符串，无需手动逐条编写：

import pandas as pd

df = pd.DataFrame({'a':['>28','27','<26'],'b':['1','2','3']})

condition_lines = []
for idx, row in df.iterrows():
    cond_str = row['a']
    # 处理纯数字的等于条件，转换为Python合法的==表达式
    if cond_str.lstrip('-').isdigit():
        cond_expr = f"a == {cond_str}"
    else:
        # 处理>、<开头的范围条件
        cond_expr = f"a {cond_str}"
    # 区分if和elif
    line = f"if {cond_expr}:" if idx == 0 else f"elif {cond_expr}:"
    condition_lines.append(line)
    condition_lines.append(f"    b={row['b']}")

# 拼接成完整语句
full_condition = '\n'.join(condition_lines)
print(full_condition)

运行输出（修正了示例中Python不合法的a=27为a == 27）：

if a >28:
    b=1
elif a == 27:
    b=2
elif a <26:
    b=3

二、直接实现根据输入值匹配b值的逻辑 #

如果最终目的是根据数值得到对应b值，无需生成语句，可采用以下两种方式：

方法1：用pd.cut适配数值范围场景 #

适合规则的区间条件映射：

import pandas as pd

df = pd.DataFrame({'a':['>28','27','<26'],'b':['1','2','3']})

# 定义匹配区间与对应标签
bins = [-float('inf'), 26, 27, float('inf')]
labels = ['3', '2', '1']

def get_b(value):
    return pd.cut([value], bins=bins, labels=labels, include_lowest=True)[0]

# 测试
print(get_b(29))  # 输出1
print(get_b(27))  # 输出2
print(get_b(25))  # 输出3

方法2：动态执行条件（适配复杂自定义条件） #

如果条件无固定规律，可遍历DataFrame用eval判断（仅在数据可信时使用，避免安全风险）：

def get_b(value):
    for _, row in df.iterrows():
        cond_str = row['a']
        if cond_str.lstrip('-').isdigit():
            cond = eval(f"{value} == {cond_str}")
        else:
            cond = eval(f"{value} {cond_str}")
        if cond:
            return row['b']
    return None  # 无匹配时返回空

# 测试
print(get_b(29))  # 输出1
print(get_b(27))  # 输出2
print(get_b(25))  # 输出3

内容的提问来源于stack exchange，提问作者jjk