如何用Python从DataFrame列的逗号分隔值填充np.arange生成限制字典

问题背景 #

现有如下DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame([["X","5,7,7,9"],["Y","20,30,32,48"]],columns=["type","range"])

数据形式如下：

type    range
X       5,7,7,9
Y       20,30,32,48

需求说明：
将range列的逗号分隔值拆分，前两个值作为对应type的min参数传入np.arange函数，后两个值作为max参数传入np.arange函数，生成以type名为标识的字典（如X_limits、Y_limits），最终预期效果如下：

X_limits['min'] = np.arange(5,7)
X_limits['max'] = np.arange(7,9)
Y_limits['min'] = np.arange(20,30)
Y_limits['max'] = np.arange(32,48)

实现代码 #

直接遍历DataFrame行，拆分字符串并生成对应字典即可，代码如下：

import pandas as pd
import numpy as np

# 初始化DataFrame
df = pd.DataFrame([["X","5,7,7,9"],["Y","20,30,32,48"]],columns=["type","range"])

# 方式1：用大字典统一存储所有结果
limits_dict = {}
# 方式2：动态生成单独的变量（如X_limits、Y_limits）

for _, row in df.iterrows():
    # 拆分range字符串为整数列表
    nums = list(map(int, row['range'].split(',')))
    # 生成当前type对应的limits字典
    current_limits = {
        'min': np.arange(nums[0], nums[1]),
        'max': np.arange(nums[2], nums[3])
    }
    # 存入大字典
    limits_dict[row['type']] = current_limits
    # 动态创建单独变量（可选）
    globals()[f"{row['type']}_limits"] = current_limits

# 验证结果示例
print(X_limits['min'])
print(Y_limits['max'])

代码说明 #

• 遍历DataFrame每一行，将range列的字符串按逗号拆分后转换为整数列表；
• 取列表前两个元素作为np.arange的参数生成min对应数组，后两个元素生成max对应数组；
• 两种存储方式可选：用大字典limits_dict统一管理所有结果，或通过globals()动态创建如X_limits的独立变量；
• np.arange(start, stop)会生成从start开始、到stop结束（不包含stop）的整数序列，完全匹配需求的参数传入逻辑。

内容的提问来源于stack exchange，提问作者Chethan