Python中基于Spread列多条件为DataFrame创建新列

针对你需要按区间规则生成新列的需求，推荐使用pd.cut或np.select来实现，比嵌套where更简洁直观，以下是具体代码：

方法一：使用pd.cut（适配区间分段场景） #

import pandas as pd

# 构造示例数据
df = pd.DataFrame({'Spread': [1, 2, 5, 6, 9, 11, 13]})

# 定义区间边界与对应结果
bins = [-float('inf'), 4, 8, 12, float('inf')]
labels = [4, 8, 12, 16]

# 生成新列，include_lowest=True确保<=4的区间包含左边界
df['New_Column'] = pd.cut(df['Spread'], bins=bins, labels=labels, include_lowest=True)
# 转换为整数类型（可选，pd.cut默认返回分类类型）
df['New_Column'] = df['New_Column'].astype(int)

方法二：使用np.select（适配自定义多条件场景） #

import pandas as pd
import numpy as np

df = pd.DataFrame({'Spread': [1, 2, 5, 6, 9, 11, 13]})

# 定义条件列表和对应结果值
conditions = [
    df['Spread'] <= 4,
    (df['Spread'] > 4) & (df['Spread'] <= 8),
    (df['Spread'] > 8) & (df['Spread'] <= 12),
    df['Spread'] > 12
]
values = [4, 8, 12, 16]

# 生成新列
df['New_Column'] = np.select(conditions, values)

两种方法执行后，都会得到你期望的结果：

注：where方法更适合单条件替换逻辑，多区间判断时嵌套写法冗余，上述两种方法更适配你的需求。

内容的提问来源于stack exchange，提问作者Jay