Pandas如何按数值区间多条件为DataFrame列替换赋值

核心语法区别 #

• Python原生and关键字仅支持对单个布尔值做整体逻辑判断，无法对Pandas逐元素生成的布尔序列做与运算，直接使用会触发报错，Python本身也不存在&&这个语法。
• Pandas中做逐元素逻辑与判断必须使用&运算符，每一段独立的比较条件必须用圆括号包裹——因为&运算优先级高于>=/<=这类比较符，不加括号会先执行位运算再做比较，逻辑完全错误。

对应需求的实现代码 #

直接使用loc搭配多条件判断即可，写法和单条件逻辑一致，只是把多个条件用&拼接、加括号包裹：

# Column1值在[0, 1023]区间时赋值0
df.loc[(df['Column1'] >= 0) & (df['Column1'] <= 1023), 'Column1'] = 0

# Column2值在[1024, 49151]区间时赋值1
df.loc[(df['Column2'] >= 1024) & (df['Column2'] <= 49151), 'Column2'] = 1

# Column3值在[49152, 65535]区间时赋值2
df.loc[(df['Column3'] >= 49152) & (df['Column3'] <= 65535), 'Column3'] = 2

如果是连续区间分箱赋值，也可以用更简洁的pd.cut方法，无需逐行写判断逻辑，批量处理效率更高：

# 以Column1为例，其余列替换对应列名、区间边界、标签值即可
df['Column1'] = pd.cut(
    df['Column1'],
    bins=[-float('inf'), 1023, 49151, 65535],
    labels=[0, 1, 2]
).astype(int)

常见踩坑：不要省略条件外的圆括号，例如df.loc[df.Column1 >=0 & df.Column1 <=1023, 'Column1']是错误写法，会优先计算0 & df.Column1，得到完全不符合预期的筛选结果。

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