Python Pandas如何根据缺勤条件为DataFrame填充attendence_score列

你可以直接用pandas内置的分箱或条件匹配函数实现，不需要写多层嵌套if判断，以下是两种可直接运行的实现方式：

方案1：使用pd.cut（推荐，最适配区间映射需求） #

这类连续区间映射的场景是pd.cut的典型适用场景，代码简洁易维护：

import pandas as pd
import numpy as np

# 定义区间边界，默认右闭，刚好匹配你的规则：(-1,0]对应0缺勤，(0,5]对应1-5缺勤，以此类推
bins = [-1, 0, 5, 10, 15, 20, np.inf]
# 定义每个区间对应的分数，顺序和区间一一对应
score_labels = [5, 4, 3, 2, 1, 0]

# 生成新列，astype(int)是将返回的分类类型转为整数方便后续计算
df['attendence_score'] = pd.cut(df['absenses'], bins=bins, labels=score_labels).astype(int)

如果你的absenses字段存在空值，可在末尾加.fillna(0)将空值对应的出勤分设为0。

方案2：使用np.select（适合偏好条件判断写法的场景） #

如果你更习惯用条件判断的逻辑实现，可以用np.select替代多层if嵌套，可读性更高：

import numpy as np

# 定义所有匹配条件，顺序和分数一一对应
conditions = [
    df['absenses'] == 0,
    df['absenses'].between(1, 5),
    df['absenses'].between(6, 10),
    df['absenses'].between(11, 15),
    df['absenses'].between(16, 20),
    df['absenses'] >= 21
]
# 定义条件对应的分数
scores = [5, 4, 3, 2, 1, 0]

df['attendence_score'] = np.select(conditions, scores)

如果需要处理空值，可添加default=0参数将未匹配到条件（含空值）的行默认设为0分：

df['attendence_score'] = np.select(conditions, scores, default=0)

内容的提问来源于stack exchange，提问作者ＴＩＡＮ ＸＩＡ