如何为Pandas DataFrame的distances列分配离散权重？

你需要为包含distances列的DataFrame按指定区间规则分配对应权重，以下是两种高效实现方案，其中pd.cut()是最适配这类区间划分场景的最优方法。

方法一：使用pd.cut()（最优推荐） #

pd.cut()专门用于将连续数值划分为离散区间，代码简洁且性能高效，完美匹配你的区间权重分配需求：

1. 先构造示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'sample': ['First', 'Second', 'Third'],
    'distances': [3234, 465, 1200]
})

2. 定义区间边界和对应权重，通过pd.cut()生成权重列：

# 定义区间边界（左闭右开，完全匹配规则）
bins = [0, 1000, 2000, 3000, float('inf')]
# 对应区间的权重，顺序与bins一一对应
weights = [2, 1, 0.5, 0.25]

# 生成权重列，right=False指定区间左闭右开，精准匹配规则
df['weights'] = pd.cut(df['distances'], bins=bins, labels=weights, right=False)

执行后，df['weights']的结果为[0.25, 2, 1]，完全符合预期。

方法二：使用np.select()（灵活备选） #

如果后续需要调整更复杂的非连续条件，np.select()是更灵活的选择，它可以根据多组条件映射对应值：

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'sample': ['First', 'Second', 'Third'],
    'distances': [3234, 465, 1200]
})

# 定义条件列表，顺序与权重列表对应
conditions = [
    df['distances'] >= 3000,
    (df['distances'] >= 2000) & (df['distances'] < 3000),
    (df['distances'] >= 1000) & (df['distances'] < 2000),
    df['distances'] < 1000
]
# 对应条件的权重
choices = [0.25, 0.5, 1, 2]

df['weights'] = np.select(conditions, choices)

方案对比 #

• pd.cut()：代码更简洁，针对区间划分场景性能更优，是当前需求的最优选择。
• np.select()：灵活性更强，适合条件复杂、非连续区间的场景，但代码量略多。

内容的提问来源于stack exchange，提问作者Abhilash