如何在Pandas中基于Month列创建Type列：前6高值对应F其余为A

云上老周

2026-5-11

在Pandas中根据Month列值生成Type列的解决方案

没问题，这需求很清晰，我来一步步教你实现：

核心思路

我们需要先定位Month列中数值最高的6个唯一值，然后判断每行的Month是否属于这个集合——如果是则标记为'F'，否则标记为'A'。

完整代码示例

首先我们先构造一个符合你描述的虚拟数据集（Month取值0-15，包含重复值），然后实现逻辑：

import pandas as pd
import numpy as np

# 生成虚拟数据集，固定随机种子保证结果可复现
np.random.seed(42)
df = pd.DataFrame({
    'Month': np.random.randint(0, 16, size=50),  # Month取值0-15，共50行数据
    'Other_Column': np.random.randn(50)  # 其他示例列
})

# 步骤1：提取Month的唯一值，按降序排序后取前6个（即数值最高的6个）
unique_months = df['Month'].unique()
top_6_months = sorted(unique_months, reverse=True)[:6]

# 步骤2：生成Type列，用np.where实现条件判断更高效
df['Type'] = np.where(df['Month'].isin(top_6_months), 'F', 'A')

# 查看结果示例
print("数值最高的6个Month值：", top_6_months)
print(df[['Month', 'Type']].head(10))

额外处理：应对Month唯一值不足6个的情况

如果你的数据集里Month的唯一值数量少于6个（比如只有4个不同值），上面的代码会自动把所有行标记为'F'。如果你想针对这种情况做特殊处理，可以加个判断：

unique_months = df['Month'].unique()
if len(unique_months) >= 6:
    top_6_months = sorted(unique_months, reverse=True)[:6]
else:
    # 这里可以自定义逻辑，比如全部标记为'A'，或者保持全部'F'
    top_6_months = unique_months  # 示例：不足6个时全部标记为'F'

df['Type'] = np.where(df['Month'].isin(top_6_months), 'F', 'A')