Pandas如何按数值条件将DataFrame列的数字替换为对应字符串

解决方案 #

方法1：使用pd.cut一键实现（推荐） #

这是最简洁也不会出现类型冲突的方法，直接对原始数值列做分箱映射，一次性生成结果：

import pandas as pd
df=pd.DataFrame({'my_col':[1,0,1,0,4,5,8,10,12]})
df['my_col'] = pd.cut(
    df['my_col'],
    bins=[-float('inf'), 1, 10, float('inf')],
    labels=['1 or less', '2 to 10', 'more than 10']
)

分箱规则完全匹配需求，全程不会出现中间混合类型的问题，性能也比逐行判断更高。

方法2：按条件分步赋值的正确写法 #

你原有代码的核心问题有两个：

• type(df['my_col']) != str的判断逻辑错误：df['my_col']是Series对象，永远不可能是str类型，这个判断完全无效
• 第一次赋值后列类型变成字符串和数值的混合类型，后续做数值比较直接触发类型错误
  正确的分步处理逻辑是先基于原始数值列把所有判断条件提前算好，再按条件赋值，避免中间出现混合类型比较的问题：

df=pd.DataFrame({'my_col':[1,0,1,0,4,5,8,10,12]})
# 先基于原始数值列算出所有布尔掩码
mask1 = df['my_col'] <= 1
mask2 = (df['my_col'] > 1) & (df['my_col'] <= 10)
mask3 = df['my_col'] > 10

# 再按掩码批量赋值
df.loc[mask1, 'my_col'] = '1 or less'
df.loc[mask2, 'my_col'] = '2 to 10'
df.loc[mask3, 'my_col'] = 'more than 10'

之前apply方法不生效的原因 #

你写的df[df['my_col'].apply(lambda x: not isinstance(x, str))].loc[...]返回的是原DataFrame的切片副本，对副本赋值不会同步修改原DataFrame，所以看不到变化。

内容的提问来源于stack exchange，提问作者Johan