如何用Python Pandas自动分类风速数值列表？代码调试求助

你的循环逻辑问题出在三层嵌套的无关联遍历：外层i循环遍历所有列表，中层e循环遍历所有区间起始值，内层遍历所有数值，导致每个列表都会被所有符合任意区间的数值重复填充，或者因i和e没有对应关系，出现逻辑混乱。

方案1：修正手动循环逻辑 #

不需要三层嵌套，只需为每个数值找到对应区间的列表索引，直接填充：

import pandas as pd

wind = pd.read_csv("wind.csv")
df = pd.DataFrame(wind)
x = df["Value"]
d = sorted(pd.Series(x))

# 生成区间起始值列表，以及对应空列表
max_speed = int(x.max())
bins = list(range(0, max_speed + 1, 5))
lst = [[] for _ in bins]

# 遍历每个风速值，分配到对应区间列表
for n in d:
    # 计算对应区间索引，处理边界值
    if n >= bins[-1]:
        # 超过最大区间起始值的数值，放入最后一个列表
        lst[-1].append(n)
    else:
        # 左闭右开区间：[e, e+5)，对应索引为n//5
        idx = int(n // 5)
        lst[idx].append(n)

如果需要严格匹配你最初的n>e且n<e+5（即开区间(e, e+5)），可以调整判断逻辑：

for n in d:
    for idx, e in enumerate(bins):
        if e < n < (e + 5):
            lst[idx].append(n)
            break  # 找到对应区间后立即跳出，避免重复判断
    else:
        # 处理刚好等于区间边界的数值（如n=5、n=10等），可根据需求放入对应列表
        if n in bins:
            lst[bins.index(n)].append(n)

方案2：用Pandas原生函数实现（更高效简洁） #

Pandas的cut和groupby可以直接完成分组，避免手动循环的错误：

import pandas as pd

wind = pd.read_csv("wind.csv")
df = pd.DataFrame(wind)
x = df["Value"]

# 定义区间：左闭右开，包含所有风速值
max_speed = int(x.max())
bins = range(0, max_speed + 6, 5)  # 扩展到max_speed+5，确保覆盖最大值
# 生成区间标签（如"0-5"、"5-10"）
labels = [f"{start}-{start+5}" for start in bins[:-1]]

# 为每条数据添加分组标签
df["wind_interval"] = pd.cut(df["Value"], bins=bins, labels=labels, include_lowest=True)

# 按分组提取数据，转换为列表集合
grouped_wind = [group["Value"].tolist() for _, group in df.groupby("wind_interval")]

这个方法更符合Pandas的使用习惯，代码简洁且性能更优，适合处理批量数据。

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