Pandas DataFrame列分类：混合格式大学排名的分类处理问题

这问题我之前处理过类似的，用Pandas就能轻松搞定。核心思路是先统一处理每个排名值（不管是数字还是范围字符串），再精准映射到你需要的目标区间，具体步骤如下：

1. 定义目标区间的映射规则 #

先把你要求的16个目标区间整理成一个便于判断的结构，每个元组包含区间的起始值、结束值和最终要显示的区间名称：

import pandas as pd

# 定义目标区间规则：(起始值, 结束值, 目标区间名称)
rank_bins = [
    (1, 10, "1-10"),
    (11, 20, "11-20"),
    (21, 30, "21-30"),
    (31, 40, "31-40"),
    (41, 50, "41-50"),
    (51, 60, "51-60"),
    (61, 70, "61-70"),
    (71, 80, "71-80"),
    (81, 90, "81-90"),
    (91, 100, "91-100"),
    (101, 150, "101-150"),
    (151, 200, "151-200"),
    (201, 300, "201-300"),
    (301, 400, "301-400"),
    (401, 500, "401-500"),
    (501, float("inf"), ">500")
]

2. 编写自定义处理函数 #

写一个函数来处理单个排名值，覆盖所有可能的格式情况（数字、范围字符串、>500）：

def map_rank_to_bin(rank):
    # 直接匹配>500的情况
    if rank == ">500":
        return ">500"
    # 处理已经是范围格式的排名（比如101-150），直接返回原字符串即可
    if "-" in str(rank):
        return str(rank)
    # 处理单个数字格式的排名，转成整数后匹配对应区间
    try:
        rank_num = int(rank)
        for start, end, bin_name in rank_bins:
            if start <= rank_num <= end:
                return bin_name
    except ValueError:
        # 遇到异常格式（比如空值、乱码）时返回默认值，可根据需求修改
        return "未知"

3. 应用函数生成新列 #

假设你的DataFrame名为df，直接用apply函数生成新的归类列：

# 先构造你的示例数据
data = {"Uni_Rank": ["1", "3", "4", "101-150", "20", "22", "151-200", "201-300", "301-400", "10", "15", "44", "53", "70", ">500"]}
df = pd.DataFrame(data)

# 生成新的归类列Rank_Category
df["Rank_Category"] = df["Uni_Rank"].apply(map_rank_to_bin)

# 查看结果
print(df)

验证结果 #

运行后会得到符合预期的输出：

Uni_Rank Rank_Category
0         1          1-10
1         3          1-10
2         4          1-10
3   101-150      101-150
4        20         11-20
5        22         21-30
6   151-200      151-200
7   201-300      201-300
8   301-400      301-400
9        10          1-10
10       15         11-20
11       44         41-50
12       53         51-60
13       70         61-70
14     >500         >500

额外优化建议 #

• 如果你的Uni_Rank列是混合类型（部分是int，部分是str），函数里的str(rank)会自动兼容，无需额外转换
• 若数据量极大，apply的效率可能不够，可以改用pd.cut结合预处理逻辑，但对于绝大多数场景，apply已经足够简洁好用
• 可以根据实际需求修改异常值的返回结果，比如改成空值或者其他标识

内容的提问来源于stack exchange，提问作者BKS