Pandas DataFrame执行双if逻辑运算结果不符合预期如何修复

你的代码错误是第二次np.where操作覆盖了第一次的标记结果：

• 第一次np.where已经将大于70的行的A_op赋值为1，其余为2
• 第二次np.where的逻辑是：小于40的赋值为3，其余所有行统一赋值为2，这就把第一次标记的1直接覆盖成了2，所以78.5对应的等级错误变成了2。

方法1：修改第二次np.where的逻辑 #

只修改符合小于40条件的行，其余行保留第一次的计算结果即可：

import pandas as pd
import numpy as np

# 示例df
df = pd.DataFrame({'A': [78.5, 54, 48, 21.1]})
adf = pd.DataFrame({'A_up':[70],'A_low':[40]})
adf = adf.loc[adf.index.repeat(len(df))]

df['A_op'] = np.where((df['A']>adf['A_up'].values),1, 2)
# 只改小于40的行，其余保留原有值
df['A_op'] = np.where((df['A']<adf['A_low'].values),3, df['A_op'])

方法2：使用更高效的pd.cut分箱（更适合大型DataFrame） #

不需要额外创建重复的阈值表，一行代码就能完成分箱标记，性能更高：

df['A_op'] = pd.cut(df['A'], bins=[-float('inf'), 40, 70, float('inf')], labels=[3,2,1], right=False).astype(int)

这里right=False表示区间左闭右开，匹配你的需求：小于40为3、40<=数值<70为2、大于等于70为1，你也可以根据边界归属需求调整参数。

两种方法输出都符合预期：

A  A_op
0  78.5     1
1  54.0     2
2  48.0     2
3  21.1     3

内容的提问来源于stack exchange，提问作者Mainland