Pandas按列数值区间分配字符串值出现TypeError错误如何解决

报错核心原因 #

• 参数传递逻辑错误：调用apply时传入的x['StartingHeight']本身是浮点型的身高数值，你在height_bands函数内又尝试用hbcol['StartingHeight']对入参做下标取值，相当于直接对float类型执行索引操作，直接触发TypeError: 'float' object is not subscriptable报错。
• 逻辑运算符使用错误：区间判断你用了按位或运算符|，会导致只要满足任意一个边界条件就命中判断，比如所有大于0的数值都会触发第一个if分支，完全不符合区间匹配需求，多条件同时满足的判断应该使用按位与运算符&，或者直接用连续比较语法a < x < b更简洁。
• 区间边界定义和预期输出不匹配：原代码中12的边界划分、18+区间的标签都和你给出的预期结果不符，需要调整。

修复后的自定义函数方案 #

直接对StartingHeight列执行apply即可，不需要遍历整行：

def height_bands(h_val):
    """根据身高数值返回对应区间字符串"""
    if 0 <= h_val < 6.1:
        return '0-6m'
    elif 6.1 <= h_val < 12.1: # 调整边界包含12的情况，匹配预期输出
        return '6-12m'
    elif 12.1 <= h_val < 18:
        return '12-18m'
    elif 18 <= h_val < 24:
        return '18-24m'
    elif 24 <= h_val < 30:
        return '24-30m'
    else:
        return '>30m'

df1['height_factor'] = df1['StartingHeight'].apply(height_bands)

更高性能的推荐方案：使用pd.cut做区间分箱 #

面对大数据量时，pd.cut的性能远高于自定义apply，代码也更简洁：

import pandas as pd
# 定义区间边界和对应标签，right=False表示左闭右开，匹配区间逻辑
bins = [0, 6.1, 12.1, 18, 24, 30, float('inf')]
labels = ['0-6m', '6-12m', '12-18m', '18-24m', '24-30m', '>30m']
df1['height_factor'] = pd.cut(df1['StartingHeight'], bins=bins, labels=labels, right=False)

运行以上任意一种方案，都可以得到你给出的预期输出结果。

内容的提问来源于stack exchange，提问作者DECROMAX