如何在Pandas DataFrame中标记指定行并添加新列

方法一：直接赋值（最直观） #

先初始化新列为默认值3，再按索引范围修改对应值：

import pandas as pd

# 构造示例DataFrame（可替换为你的数据）
df = pd.DataFrame({
    'no.': range(1, 10),
    'col1': ['abc', 'bcd', 'cde', 'def', 'efg', 'fgh', 'ghi', 'hij', 'ijk'],
    'col2': [123, 234, 345, 456, 567, 678, 789, 890, 901]
})

# 新增列并设置默认值
df['new_col'] = 3
# 前4行（索引0-3，对应数据里的第1-4行）设为1
df.loc[:3, 'new_col'] = 1
# 第5-7行（索引4-6，对应数据里的第5-7行）设为2
df.loc[4:6, 'new_col'] = 2

方法二：用numpy.select（多条件场景更灵活） #

通过定义条件列表和对应值列表，批量赋值：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'no.': range(1, 10),
    'col1': ['abc', 'bcd', 'cde', 'def', 'efg', 'fgh', 'ghi', 'hij', 'ijk'],
    'col2': [123, 234, 345, 456, 567, 678, 789, 890, 901]
})

# 定义条件和对应值
conditions = [
    df.index < 4,          # 前4行
    df.index.between(4,6)  # 第5-7行
]
values = [1, 2]

# 生成新列，不满足条件的默认设为3
df['new_col'] = np.select(conditions, values, default=3)

方法三：用pd.cut（区间划分场景适用） #

把索引按区间分段，直接映射到对应标记：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'no.': range(1, 10),
    'col1': ['abc', 'bcd', 'cde', 'def', 'efg', 'fgh', 'ghi', 'hij', 'ijk'],
    'col2': [123, 234, 345, 456, 567, 678, 789, 890, 901]
})

# 按索引区间划分，bins参数对应区间边界，labels对应标记值
df['new_col'] = pd.cut(
    df.index,
    bins=[-1, 4, 7, np.inf],  # 区间：[-1,4), [4,7), [7,无穷)
    labels=[1, 2, 3],
    include_lowest=True  # 包含左边界
).astype(int)  # 转为整数类型

执行任意一种方法后，都会得到符合需求的结果：前4行标记1，第5-7行标记2，剩余行标记3。

内容的提问来源于stack exchange，提问作者user18334254