如何简化Python Pandas视频时长分类代码，减少冗余？

原代码的问题点 #

• 重复调用df_preroll.loc赋值，多次遍历DataFrame，运行效率偏低
• 空值判断逻辑错误：Pandas中缺失值（NaN）不能用== None判断，需用pd.isna()或df.isnull()

优化方案 #

方法1：使用pd.cut（推荐，效率最高） #

pd.cut是Pandas专为数值区间划分设计的函数，可一次性完成所有区间赋值，无需多次遍历：

import pandas as pd

# 定义区间边界与对应标签
bins = [0, 6, 14, 29, float('inf')]
labels = ['0-6', '7-14', '15-29', '30+']

# 执行区间划分，空值自动保留为NaN
df_preroll['Video_Length_Bracket'] = pd.cut(
    df_preroll['Video length'],
    bins=bins,
    labels=labels,
    include_lowest=True  # 确保左边界0被包含，匹配原代码>0且<=6的逻辑
)

说明：

• include_lowest=True让区间左闭右开的特性适配原代码的0 < x <=6逻辑
• 空值会被自动处理为NaN，无需额外赋值操作

方法2：使用np.select（灵活性更强，适配复杂条件） #

如果需要自定义更复杂的区间规则，可使用np.select一次性完成条件映射：

import numpy as np

# 定义条件列表与对应结果
conditions = [
    (df_preroll['Video length'] > 0) & (df_preroll['Video length'] <= 6),
    (df_preroll['Video length'] >= 7) & (df_preroll['Video length'] <= 14),
    (df_preroll['Video length'] >= 15) & (df_preroll['Video length'] <= 29),
    df_preroll['Video length'] >= 30
]
choices = ['0-6', '7-14', '15-29', '30+']

# 赋值，未匹配条件的空值自动设为NaN
df_preroll['Video_Length_Bracket'] = np.select(conditions, choices, default=np.nan)

空值处理的正确方式 #

原代码中df_preroll.loc[(df_preroll['Video length'] == None), ...]的判断逻辑错误，正确的空值检查应使用：

# 检测空值
df_preroll['Video length'].isna()

上述两种优化方案已自动处理空值，无需额外执行空值赋值操作。

内容的提问来源于stack exchange，提问作者PiCubed