如何在Pandas中高效对数值列进行有序分类（不使用pd.cut）？

我完全懂你的需求！面对百万级行的大DataFrame，想给数值列做有序分类——指定值对应特定标签，其余全部归为transient，还不想走「先转字符串再转分类类型」的弯路，用pd.cut又觉得繁琐。那咱们直接来个更高效、更贴合需求的方案：

核心思路：直接生成有序分类编码，跳过字符串中间层 #

我们可以利用pd.Categorical.from_codes直接基于数值映射生成有序分类，全程不碰字符串转换，不管是速度还是内存占用，对大数据集都友好很多。

具体实现代码 #

import pandas as pd
import numpy as np

# 1. 定义基础映射规则和有序分类类型
MODES = [0, 9, 15, 25, 40]
CATS = ['B', 'BC/2', 'BC', 'AB', 'ABC']
# 定义有序分类：transient排在最前面，后面是指定的分类标签
my_cats = pd.CategoricalDtype(categories=['transient'] + CATS, ordered=True)

# 2. 准备测试数据
df = pd.DataFrame(
    data=[-3, 1.99, 0, 3, 9, 12, 15, 17, 24.9999999, 25, 25.000000001, 34, 40-1e-13, 40],
    columns=['val']
)

# 3. 高效生成有序分类列（核心步骤）
# 先构建「指定值→分类编码」的映射：transient对应0，指定标签从1开始递增
code_map = {val: idx+1 for idx, val in enumerate(MODES)}
# 直接通过编码生成有序分类，无需中间字符串转换
df['cat'] = pd.Categorical.from_codes(
    df['val'].map(code_map).fillna(0).astype(int),
    categories=my_cats.categories,
    ordered=True
)

# 验证结果
print(df)

为什么这个方案更优？ #

1. 效率拉满：全程是向量化操作，没有中间字符串转换、布尔索引赋值等冗余步骤，百万级行数据下的处理速度比原方法快很多
2. 一步到位生成有序分类：直接从数值映射到分类编码，再生成Categorical类型，完全跳过「字符串列→分类列」的转换
3. 逻辑清晰易维护：映射规则和分类定义集中在一起，后续要修改标签或指定值，直接调整MODES和CATS即可

扩展方案：用np.select处理更复杂的匹配逻辑 #

如果以后你的需求从「精确值匹配」扩展到「范围匹配」，可以用np.select来构建条件，同样直接生成编码：

# 构建匹配条件（这里还是精确值，你可以改成范围比如df['val'] < 0等）
conditions = [df['val'] == val for val in MODES]
# 对应条件的分类编码
choices = list(range(1, len(MODES)+1))
# 生成编码，默认0对应transient
codes = np.select(conditions, choices, default=0)
# 生成有序分类
df['cat'] = pd.Categorical.from_codes(codes, categories=my_cats.categories, ordered=True)

和原方法的结果对比 #

这个方案生成的df['cat']和你原代码的结果完全一致，但执行效率更高，尤其在处理超大数据集时，差异会非常明显。

内容来源于stack exchange