如何基于行条件生成Pandas独立字符串结果DataFrame

没问题！我来帮你搞定这个需求——咱们可以用Pandas的向量化操作高效实现，完全不用写低效的循环，直接生成你要的独立字符串结果DataFrame。

第一步：先构造示例数据 #

假设你的原始数据是这样的（可以替换成你自己的数据集）：

import pandas as pd

# 示例温度数据集
data = {'temperature': [3, 7, 12, 9, 15, 4]}
original_df = pd.DataFrame(data)

方法一：用numpy.where嵌套实现多条件判断 #

这种方法适合简单的多分支条件，逻辑清晰：

import numpy as np

# 按条件生成结果数组
status_array = np.where(original_df['temperature'] > 10, 'too hot',
                        np.where(original_df['temperature'] < 5, 'too cool', 'just right'))

# 转换成独立的DataFrame
result_df = pd.DataFrame(status_array, columns=['status'])

方法二：用pd.cut按区间映射标签 #

如果你的条件是明确的区间划分，用pd.cut会更直观：

# 定义区间边界和对应标签
bins = [-float('inf'), 5, 10, float('inf')]
labels = ['too cool', 'just right', 'too hot']

# 生成结果并转为独立DataFrame
result_df = pd.cut(original_df['temperature'], 
                   bins=bins, 
                   labels=labels, 
                   include_lowest=True).to_frame(name='status')

验证结果 #

运行后result_df就是你要的独立DataFrame，内容如下：

这两种方法都是Pandas推荐的向量化操作，比逐行循环快得多，而且能保证结果和原数据的行顺序完全对应。如果你的原始数据有其他列，只需要把original_df['temperature']替换成你要判断的目标列名就行。

内容的提问来源于stack exchange，提问作者bbartling