如何在Python（Pandas）中不使用if-elif实现分数到等级的多条件映射

你的代码存在的问题 #

• 条件定义错误：Pandas Series的比较直接返回布尔数组，不需要加if关键字
• 结果容器错误：results用了无序的集合{}，应改为有序列表[]，保证和条件顺序严格对应
• 赋值逻辑错误：grade.append()用法不符合语法，且最终给df['grade']赋值的逻辑完全错误

方案1：numpy.select()（自定义多条件场景） #

适合需要灵活定义非连续/复杂条件的场景，是替代if-elif的典型方法：

import numpy as np
import pandas as pd

# 构造示例数据
df = pd.DataFrame({'score': [45, 79, 88, 56, 94]})

# 定义布尔条件列表（无需if，直接用Series比较）
conditions = [
    df['score'] >= 90,
    (df['score'] >= 80) & (df['score'] < 90),
    (df['score'] >= 70) & (df['score'] < 80),
    (df['score'] >= 65) & (df['score'] < 70),
    df['score'] < 65
]

# 对应结果列表（顺序必须和条件严格匹配）
results = ['A', 'B', 'C', 'D', 'F']

# 执行映射
df['grade'] = np.select(conditions, results)

print(df)

输出结果：

score grade
0     45     F
1     79     C
2     88     B
3     56     F
4     94     A

方案2：pandas.cut()（连续区间分段场景） #

如果你的条件是连续数值区间，用pd.cut()更简洁高效：

import pandas as pd

df = pd.DataFrame({'score': [45, 79, 88, 56, 94]})

# 定义区间边界（左闭右开，最后一个区间包含所有更大值）
bins = [-float('inf'), 65, 70, 80, 90, float('inf')]
# 对应区间的标签
labels = ['F', 'D', 'C', 'B', 'A']

# 执行区间映射，include_lowest=True确保最左区间包含最小值
df['grade'] = pd.cut(df['score'], bins=bins, labels=labels, include_lowest=True)

print(df)

输出和方案1完全一致。

补充说明 #

你之前记忆的方法应该就是np.select()或pd.cut()，二者都是Pandas/Numpy生态中替代if-elif多条件判断的标准实现。

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