Pandas新增条件列：任意测量值超boxplot_stats上下须则标记缺陷

现有存储物品测量数据的DataFrame，包含Length（长度）、Width（宽度）、Height（高度）、Operator（操作员）4个字段，样例数据如下：

Length  Width   Height  Operator
102.67  49.53   19.69   Op-1
102.50  51.42   19.63   Op-1
95.37   52.25   21.51   Op-1
94.77   49.24   18.60   Op-1
104.26  47.90   19.46   Op-1

基于matplotlib的boxplot_stats做箱线图统计时，需要新增Status判断列：Length/Width/Height三个测量指标中任意一个值大于对应指标的whishi（箱线图上须阈值），或小于对应指标的whislo（箱线图下须阈值），该行标记为Defective，否则标记为Perfect，后续可将该列转换为0/1数值做进一步处理。

boxplot_stats返回结构及阈值取值方式示例：

from matplotlib.cbook import boxplot_stats
# 调用示例
boxplot_stats(df['Height'])
# 返回结果（取列表第一个元素即为对应列的统计值）
[{'mean': 20.29322,
  'iqr': 1.6674999999999969,
  'cilo': 20.192920598732098,
  'cihi': 20.4270794012679,
  'whishi': 23.39,
  'whislo': 17.37,
  'fliers': array([], dtype=float64),
  'q1': 19.475,
  'med': 20.31,
  'q3': 21.1425}]

# 取上须阈值示例
boxplot_stats(df['Height'])[0]['whishi'] # 输出23.39

两种原有实现均无法得到正确结果，核心问题如下：

• 循环逻辑错误：直接遍历DataFrame无法同时正确获取行索引、字段名和对应值；第二种实现中apply传入的行对象用法错误，且循环判断第一个字段后就直接return，不会校验剩余两个字段。
• 运算符优先级错误：位运算符|优先级高于比较运算符，判断条件未加括号会导致逻辑运算顺序错乱。
• 赋值逻辑错误：直接给df['Status']整列赋值会覆盖之前所有判断结果，无法实现逐行标记。
• 性能问题：每次判断都重复调用boxplot_stats计算阈值，数据量大时运行效率极低。

from matplotlib.cbook import boxplot_stats
import pandas as pd

# 1. 预定义要校验的测量字段，提前计算所有字段的上下须阈值，避免重复计算
check_cols = ['Length', 'Width', 'Height']
col_threshold = {}
for col in check_cols:
    stats_res = boxplot_stats(df[col])[0]
    col_threshold[col] = {
        "whislo": stats_res['whislo'],
        "whishi": stats_res['whishi']
    }

# 2. 初始化所有行默认状态为Perfect
df['Status'] = 'Perfect'

# 3. 逐字段校验，只要任意字段越界就标记为Defective
for col in check_cols:
    lo = col_threshold[col]['whislo']
    hi = col_threshold[col]['whishi']
    # 布尔索引筛选越界行，更新状态，注意逻辑或两边条件加括号
    df.loc[(df[col] < lo) | (df[col] > hi), 'Status'] = 'Defective'

# 可选：后续转换为0/1数值标签
# df['Status_label'] = df['Status'].map({'Perfect': 0, 'Defective': 1})

• 提前一次性计算所有字段的箱线图阈值，避免重复调用统计函数，大幅提升运行效率
• 采用pandas原生向量化布尔索引做判断，比apply逐行循环性能高3~10倍，适配百万级以上数据集
• 逻辑符合需求：初始全部为合格状态，只要任意一个字段触发越界条件就标记为缺陷，不会漏判
• 所有逻辑判断条件加括号规避运算符优先级问题，不会出现逻辑错误

内容的提问来源于stack exchange，提问作者Gabriel Santello