如何在Pandas中更简洁地实现按条件赋值生成字符串标签新列的操作

你这个属于三类互斥条件的赋值场景，有两种更简洁的实现方式：

方案1：嵌套np.where（逻辑最直白，代码最短） #

不需要额外定义条件列表、标签列表，一行即可完成逻辑对应：

import pandas as pd
import numpy as np
from sklearn import datasets
wine = pd.DataFrame(datasets.load_wine().data)
wine.columns = datasets.load_wine().feature_names

wine['status_label'] = np.where(wine.hue > 1, 'A', np.where(wine.hue == 1, 'B', 'C'))

方案2：pd.cut()（适合后续扩展分箱规则） #

如果后续可能调整hue的分箱阈值，用pandas原生分箱方法可维护性更高：

# 对应规则：小于1→C、等于1→B、大于1→A
wine['status_label'] = pd.cut(
    wine['hue'],
    bins=[-np.inf, 1, np.nextafter(1, np.inf), np.inf],
    labels=['C', 'B', 'A'],
    right=False
)

不同写法的适用场景 #

• 嵌套np.where：适合3个及以内互斥条件的场景，代码短逻辑直观，不需要额外学习成本
• pd.cut：适合有序区间类的条件赋值，分箱档位越多优势越明显，修改阈值只需要调整bins参数即可
• 原np.select：灵活度最高，适合无规律的多条件组合场景，但需要单独维护条件和返回值的映射列表

内容的提问来源于stack exchange，提问作者codedancer