如何对DataFrame数值列按区间分类并新增列存储分类结果？

最优方案：使用pandas内置pd.cut()分箱 #

这是最推荐的实现方式，属于pandas原生向量化操作，执行效率远高于循环，代码量极少，且完全匹配你原有分箱规则：

import pandas as pd

# 生成分箱边界，对应你需要的10/20/.../280节点
bins = list(range(10, 290, 10))
# 生成对应区间的标签文本
labels = [f"{bins[i]}-{bins[i+1]}" for i in range(len(bins)-1)]

# right=True表示分箱规则为左开右闭，和你原有 >左边界 & <=右边界 的规则完全一致
# fillna('') 是为了匹配你原有逻辑，将<=10的心率对应的分类设为空字符串
HR_df1['HRCat'] = pd.cut(HR_df1['HR'], bins=bins, labels=labels, right=True).fillna('')

可选方案：循环实现 #

如果你需要用循环实现，也可以通过遍历区间边界的方式大幅简化代码，无需手动编写每个区间的判断逻辑：

HR_df1['HRCat'] = ''
# 遍历每个区间的左边界，步长为10
for lower_bound in range(10, 271, 10):
    upper_bound = lower_bound + 10
    HR_df1.loc[(HR_df1['HR'] > lower_bound) & (HR_df1['HR'] <= upper_bound), 'HRCat'] = f"{lower_bound}-{upper_bound}"

内容的提问来源于stack exchange，提问作者Huzaifa Arshad