如何为Pandas现有min max筛选逻辑新增数值上限规则

实现方案 #

你可以先使用clip方法对Average Parcels字段做上限18的截断处理，再用截断后的结果做奖金核算的判断条件即可，实现代码如下：

# 写法1：拆分步骤更易读
# 对平均配送包裹数做18封顶处理，超过18的统一替换为18
capped_average = df['Average Parcels'].clip(upper=18)
# 仅当封顶后的平均包裹数≥10时核算奖金，否则奖金为0
df['Bonus'] = df['Delivered'].mul(0.14).where(capped_average >= 10, 0)

也可以合并为一行写法：

# 写法2：一行实现
df['Bonus'] = df['Delivered'].mul(0.14).where(df['Average Parcels'].clip(upper=18) >= 10, 0)

逻辑说明 #

• 平均配送包裹数<10的快递员，依然按规则发放0奖金，和原逻辑一致
• 平均配送包裹数处于[10,18)区间的快递员，奖金核算逻辑和原逻辑完全一致
• 平均配送包裹数≥18的快递员，截断后按18核算，满足≥10的准入条件，可以正常按配送总单量计算奖金，符合需求

内容的提问来源于stack exchange，提问作者cchev