如何用pandas优雅实现非等距成绩区间的人数统计？

你的需求属于标准的自定义分箱场景，分箱本身不要求区间等宽，完全可以用pandas内置的分箱工具实现，不用逐段写冗余的布尔筛选条件。

最优实现方案 #

用pandas的pd.cut做自定义分箱，所有分段规则集中配置，代码简洁易维护，且向量化运算的性能远高于逐段子集筛选。
完整可运行代码如下：

import pandas as pd

# 原始成绩数据
grade_list = [87.5, 87.5, 65.0, 90.0, 72.5, 65.0, 0.0, 65.0, 72.5, 65.0, 72.5, 65.0, 90.0, 90.0, 87.5, 87.5, 87.5, 65.0, 87.5, 65.0, 65.0, 90.0, 99.0, 65.0, 87.5, 65.0, 87.5, 90.0, 87.5, 90.0, 90.0, 0.0, 90.0, 99.0, 65.0, 87.5, 72.5, 72.5, 90.0, 0.0, 65.0, 72.5, 90.0, 90.0, 65.0, 90.0, 90.0, 65.0, 65.0, 0.0, 90.0, 90.0, 100.0, 99.0, 65.0, 90.0, 90.0, 0.0, 99.0, 90.0, 100.0, 87.5, 65.0, 99.0, 0.0, 90.0, 65.0, 90.0, 65.0, 99.0, 90.0, 65.0, 100.0, 65.0, 90.0, 99.0]
df = pd.DataFrame({'grade': grade_list})

# 集中配置分段边界和对应分段名称
bins = [-1, 0, 60, 70, 80, 90, 101]
labels = [
    'grade == 0',
    '0 < grade < 60',
    '60 ≤ grade < 70',
    '70 ≤ grade < 80',
    '80 ≤ grade < 90',
    'grade ≥ 90'
]

# 分箱：right=False指定左闭右开区间，匹配分段规则
df['segment'] = pd.cut(df['grade'], bins=bins, labels=labels, right=False)
# 修正边界：将等于0的记录统一归到0分段，解决连续区间无法表示单点匹配的问题
df.loc[df['grade'] == 0, 'segment'] = labels[0]

# 按指定顺序输出各分段人数
counts = df['segment'].value_counts().reindex(labels)
print(counts)

代码说明 #

• 所有分段规则都在bins和labels两个列表中维护，后续调整分段只需要改这两处，不用修改多段筛选逻辑，可维护性远高于逐段判断的写法
• pd.cut是pandas内置的向量化分箱工具，数据量越大性能优势越明显，比逐段切片取子集的效率高很多
• 针对你给出的示例数据，运行后输出结果如下：

  grade == 0         6
  0 < grade < 60     0
  60 ≤ grade < 70   24
  70 ≤ grade < 80    6
  80 ≤ grade < 90   13
  grade ≥ 90        27
  Name: segment, dtype: int64
  

• 如果需要单独输出某一段的人数，直接按标签索引结果即可，比如执行print(counts['grade ≥ 90'])就能输出90分及以上的人数。

内容的提问来源于stack exchange，提问作者JJJohn