如何基于其他列的数值范围筛选填充Pandas DataFrame

问题场景 #

现有一个以datetime为索引的DataFrame，包含数值列No，需要新增分类列cat，规则如下：

• No < 10000 → 0
• 10000 ≤ No < 100000 → 1
• No ≥ 100000 → 2

原代码的问题 #

你写的循环代码存在几个关键错误：

• 循环中直接将cat赋值为单个数值（如2、1、0），而非往列表追加元素，最终cat只会保留最后一次循环的结果，无法生成对应长度的列
• 条件判断遗漏了No == 10000的情况，不符合需求中10000≤No<100000的规则
• 单个元素判断时误用&（这是pandas矢量化操作的逻辑符），Python单值判断应使用and
• 用df.cat赋值列容易和DataFrame内置属性混淆，规范写法是df['cat']

正确解决方案 #

方法1：使用pd.cut（最简洁高效） #

pd.cut是pandas专门用于区间划分的函数，完全匹配需求场景：

import pandas as pd

# 定义区间边界和对应标签
bins = [-float('inf'), 10000, 100000, float('inf')]
labels = [0, 1, 2]

# 生成分类列，include_lowest=True确保左区间包含边界值（即10000会被分到1类）
df['cat'] = pd.cut(df['No'], bins=bins, labels=labels, include_lowest=True)

# 若需要将分类类型转为整数
df['cat'] = df['cat'].astype(int)

方法2：使用numpy.where（矢量化判断） #

利用numpy的矢量化操作，比循环效率高得多：

import numpy as np

# 嵌套where按优先级判断：先匹配最高阈值，再依次向下
df['cat'] = np.where(df['No'] >= 100000, 2,
                     np.where(df['No'] >= 10000, 1, 0))

方法3：修正循环逻辑（仅作理解用，不推荐大数据量） #

如果坚持用循环，修正后的代码如下：

cat = []
for num in df['No']:
    if num >= 100000:
        cat.append(2)
    elif num >= 10000:
        # 这里无需再判断<100000，因为已排除>=100000的情况
        cat.append(1)
    else:
        cat.append(0)
df['cat'] = cat

内容的提问来源于stack exchange，提问作者SHV_la