如何在Python中对含年份列的DataFrame按指定规则分箱？

这里提供三种实用的方法来实现年份分类，你可以根据需求选择：

方法1：使用pd.cut（适合区间划分场景） #

pd.cut专门用于将连续数值划分为离散区间，非常适合这种年份区间分类的场景：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'year': range(2010, 2024)})

# 定义区间边界和对应标签
bins = [2009, 2014, 2020, 2023]
labels = ['old', 'medium', 'new']

# 新增分类列
df['year_category'] = pd.cut(df['year'], bins=bins, labels=labels, include_lowest=True)

# 查看结果
print(df)

• bins设置区间边界：2009（确保2010被包含）、2014、2020、2023
• include_lowest=True保证左端点2010被划入第一个区间
• 运行后会直接生成对应分类列

方法2：使用np.select（灵活多条件判断） #

如果需要更灵活的条件定义，np.select可以按自定义条件匹配标签：

import pandas as pd
import numpy as np

df = pd.DataFrame({'year': range(2010, 2024)})

# 定义条件列表和对应标签列表
conditions = [
    df['year'].between(2010, 2014),
    df['year'].between(2015, 2020),
    df['year'].between(2021, 2023)
]
choices = ['old', 'medium', 'new']

df['year_category'] = np.select(conditions, choices)

print(df)

• 每个条件对应一个区间，顺序和标签列表一一对应
• 适合条件复杂或非连续区间的场景

方法3：自定义函数+apply（直观易懂） #

如果喜欢更直观的逻辑写法，可以自定义函数后用apply处理：

import pandas as pd

df = pd.DataFrame({'year': range(2010, 2024)})

def categorize_year(year):
    if 2010 <= year <= 2014:
        return 'old'
    elif 2015 <= year <= 2020:
        return 'medium'
    elif 2021 <= year <= 2023:
        return 'new'

df['year_category'] = df['year'].apply(categorize_year)

print(df)

• 逻辑清晰，容易理解和修改
• 适合需要加入额外复杂判断的场景

内容的提问来源于stack exchange，提问作者ntwong