如何用多条件判断为Pandas DataFrame新增SEGMENT列？

嘿，很高兴帮你搞定这个需求！要把多条件整合到同一列SEGMENT里，不用拆分出多个中间列，咱们有几种实用的方法，我结合示例给你演示：

方法1：用numpy.select()处理多条件（推荐多场景） #

这个方法适合你有多个索引条件的情况，逻辑清晰，代码也简洁。先定义好所有条件和对应的分段值，一次性生成新列。

示例代码： #

import pandas as pd
import numpy as np

# 替换成你自己的DataFrame
df = pd.DataFrame({'数据列': range(30)}, index=range(30))

# 定义你的索引条件（按需修改）
条件列表 = [
    df.index <= 10,          # 索引≤10
    (df.index > 10) & (df.index <= 20),  # 索引11-20
    df.index > 20            # 索引>20
]
分段值 = ['Group A', 'Group B', 'Group C']

# 新增SEGMENT列
df['SEGMENT'] = np.select(条件列表, 分段值)

方法2：用df.loc链式赋值（直观易上手） #

如果你的条件不多，用loc直接给符合条件的行赋值也很方便，先初始化默认值，再逐个覆盖符合条件的部分。

示例代码： #

import pandas as pd

# 替换成你自己的DataFrame
df = pd.DataFrame({'数据列': range(30)}, index=range(30))

# 先设置默认分段值
df['SEGMENT'] = 'Group C'

# 给符合条件的行赋值
df.loc[df.index <= 10, 'SEGMENT'] = 'Group A'
df.loc[(df.index > 10) & (df.index <= 20), 'SEGMENT'] = 'Group B'

适配特殊索引的情况 #

如果你的索引是字符串类型（比如"ID001"、"ID002"），只需要调整条件判断逻辑就行，比如用字符串匹配：

# 示例：索引为带前缀的字符串
df.index = [f'ID{i:03d}' for i in range(1, 31)]

条件列表 = [
    df.index.str.startswith('ID0'),  # 索引以ID0开头
    df.index.str.startswith('ID1'),  # 索引以ID1开头
    df.index.str.startswith('ID2')   # 索引以ID2开头
]
分段值 = ['前缀0组', '前缀1组', '前缀2组']

df['SEGMENT'] = np.select(条件列表, 分段值)

你只需要根据自己实际的索引规则，修改条件列表和分段值就能完美适配啦！

内容的提问来源于stack exchange，提问作者Gabriela M