pandas DataFrame多列多条件等级赋值pd.cut报错ValueError解决

报错原因 #

pd.cut()仅支持1维数组作为输入，你直接传入整个DataFrame、同时传入多组bins和labels参数的用法不符合函数要求，所以会抛出维度错误。

正确实现方案 #

方案1：逐列处理（适合列数少的场景）

直接对两列分别调用pd.cut()即可，代码如下：

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'A': [78.2, 54.0, 45.0, 20.0],
    'B': [98.2, 58.0, 49.0, 10.0]
})

# 单独处理A列分箱
df['A_op'] = pd.cut(df['A'], bins=[np.NINF, 40, 70, np.inf], labels=[3, 2, 1]).astype(int)
# 单独处理B列分箱
df['B_op'] = pd.cut(df['B'], bins=[np.NINF, 45, 80, np.inf], labels=[3, 2, 1]).astype(int)

末尾加astype(int)是因为pd.cut默认返回分类类型，转为整数更符合你预期的输出格式。

方案2：配置化循环处理（适合后续新增列的场景）

如果后续需要处理更多不同阈值的列，可以把配置抽成字典，循环执行分箱逻辑：

col_config = {
    'A': {'bins': [np.NINF, 40, 70, np.inf], 'labels': [3,2,1]},
    'B': {'bins': [np.NINF, 45, 80, np.inf], 'labels': [3,2,1]}
}

for col, config in col_config.items():
    df[f'{col}_op'] = pd.cut(df[col], **config).astype(int)

执行后输出的df和你预期的结果完全一致：

A     B  A_op  B_op
0  78.2  98.2     1     1
1  54.0  58.0     2     2
2  45.0  49.0     2     2
3  20.0  10.0     3     3

内容的提问来源于stack exchange，提问作者Mainland