如何用lambda函数筛选属于多个指定浮点区间的DataFrame列值

该功能完全可以通过lambda函数实现，无论是筛选符合区间条件的数值，还是基于区间生成分箱新列都支持。

场景1：筛选满足任意开区间条件的行 #

先定义你的区间列表：

import pandas as pd
bins = [(41.2, 44.1), (34.1, 38.2), (31.2, 32.4), (29.4, 31.2), (26.5, 28.6), (21.1, 23.5)]

直接通过apply调用lambda完成筛选，lambda内用any()判断是否命中任意区间：

# 代码中的「待匹配列」替换为你实际要处理的列名
filtered_df = df[df['待匹配列'].apply(lambda x: any(left < x < right for left, right in bins))]

场景2：基于区间生成分箱新列 #

如果需要给每个数值标记所属的区间，未命中的标记为无匹配，可以用以下写法：

df['分箱结果'] = df['待匹配列'].apply(
    lambda x: next((f"{left}-{right}" for left, right in bins if left < x < right), "无匹配")
)

补充说明 #

如果你的DataFrame数据量超过10万行，更推荐用pandas原生的pd.cut()方法实现，执行效率会比逐行apply lambda高很多，但如果是中小数据集、或追求写法简洁，lambda方案完全够用。

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