如何用numpy.isclose为DataFrame按指定容差生成adjusted列？

数据集与需求 #

原始数据代码 #

import numpy as np
import pandas as pd

data = {
         'value':[9.1,10.5,11.8,
                  20.1,21.2,22.8,
                  9.5,10.3,11.9,
                  ]
        }

df = pd.DataFrame(data, columns = ['value'])

原始DataFrame输出 #

value
0    9.1
1   10.5
2   11.8
3   20.1
4   21.2
5   22.8
6    9.5
7   10.3
8   11.9

需求说明 #

需要添加名为adjusted的新列，使用numpy.isclose函数，将落在10±1范围内的数值映射为10，落在21±1范围内的数值映射为21，期望结果如下：

value  adjusted
0    9.1        10
1   10.5        10
2   11.8        10
3   20.1        21
4   21.2        21
5   22.8        21
6    9.5        10
7   10.3        10
8   11.9        10

尝试的代码（仅支持单个基准值） #

np.isclose(df['value'], 10, atol=1)

解决方案（一行代码实现） #

利用np.select批量处理多组条件与映射规则，结合np.isclose完成容差判断：

df['adjusted'] = np.select([np.isclose(df['value'], 10, atol=1), np.isclose(df['value'], 21, atol=1)], [10, 21])

代码说明 #

• np.select接收两个核心参数：第一个是条件列表，第二个是对应条件满足时的取值列表
• np.isclose(df['value'], 10, atol=1)用于判断数值是否处于10±1的范围内（atol为绝对容差）
• 条件按顺序匹配，满足第一个条件则映射为10，满足第二个则映射为21

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