Python Pandas如何将列数值按指定区间分组生成新列
Pandas 数值区间分箱实现方案
针对10万行级别的数据集,直接使用Pandas原生的pd.cut()分箱函数即可,该方法为向量化运算,性能远高于自定义遍历判断,可快速完成区间分组。
实现代码
import pandas as pd # 读取你的数据集,替换为实际的文件读取逻辑(如read_excel等) df = pd.read_csv("your_data.csv") # 定义区间分割边界 bins = [0, 200, 400, 600, 800, float('inf')] # 定义各区间对应的分组名称 group_labels = ["<200", "200-400", "400-600", "600-800", "800+"] # 新增分组列 df["VALUE_GROUP"] = pd.cut( x=df["VALUE"], bins=bins, labels=group_labels, right=False ) # 验证结果可选执行 print(df[["VALUE", "VALUE_GROUP"]].head(10))
参数说明
right=False:设置区间为左闭右开规则,保证<200区间仅包含小于200的数值,200-400区间包含200且不包含400,完全匹配需求的分组逻辑。如果需要区间右闭(即200-400包含400),可将该参数改为right=Truefloat('inf'):代表无穷大,可覆盖所有大于等于800的数值,无需设置具体上限
可选优化
如果VALUE列存在空值,pd.cut()会默认返回NaN,你可以根据需求补充缺失值的分组逻辑,示例如下:
# 将空值单独归类为"其他" df["VALUE_GROUP"] = df["VALUE_GROUP"].fillna("其他")
内容的提问来源于stack exchange,提问作者Ajinkya J
相关产品推荐
相关产品推荐

