如何基于Pandas DataFrame条件调整count字段数值

看起来你需要根据用户的行为类型（购买/浏览）和浏览次数重新计算count字段的值，我给你两种实用的实现方案：

方案一：自定义函数 + apply（灵活易维护） #

这种方式适合规则较多、后续可能需要调整的场景，逻辑清晰好修改：

首先明确规则映射：

• 当type为orderline（购买行为）：直接设为1.0
• 当type为access（浏览行为）：
  • 浏览次数≥20 → 0.9
  • 浏览次数=15 → 0.8
  • 浏览次数=10 → 0.5
  • 浏览次数=4 → 0.2
  • 其他浏览次数可按需设置默认值（比如按次数/20比例计算，或固定低数值）

代码实现：

import pandas as pd

# 假设原始数据已加载到df中
# 定义浏览次数到count值的映射字典
access_count_mapping = {
    4: 0.2,
    10: 0.5,
    15: 0.8
}

def get_count_value(row):
    if row['type'] == 'orderline':
        return 1.0
    elif row['type'] == 'access':
        # 优先处理20次及以上的高频浏览
        if row['number'] >= 20:
            return 0.9
        # 从映射字典取对应值，无匹配则按次数/20计算比例（也可改成固定默认值）
        return access_count_mapping.get(row['number'], row['number'] / 20)
    # 未知行为类型默认设为0
    return 0.0

# 应用函数更新count字段
df['count'] = df.apply(get_count_value, axis=1)

方案二：numpy.where链式判断（性能更优） #

如果你的数据集很大，用numpy的向量化操作速度会更快，适合简单的条件链场景：

import pandas as pd
import numpy as np

df['count'] = np.where(
    df['type'] == 'orderline',
    1.0,
    np.where(
        df['number'] >= 20,
        0.9,
        np.where(
            df['number'] == 15,
            0.8,
            np.where(
                df['number'] == 10,
                0.5,
                np.where(
                    df['number'] == 4,
                    0.2,
                    # 其他浏览次数按比例计算，非access类型设为0
                    df['number'] / 20 if df['type'] == 'access' else 0.0
                )
            )
        )
    )
)

两种方案都能实现你要的效果：比如原始数据中第0行（number=4，access类型）会变成0.2，第1行（number=10，access类型）变成0.5，所有购买行为的行都设为1.0，完全符合你的预期输出。

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