如何用Pandas为DataFrame新增Days_Group列实现天数分组？

嗨，这个需求用Pandas处理起来很简单，我给你两种常用的实现方式，你可以根据自己的习惯选择：

方法一：使用pd.cut()（适合区间分组场景） #

pd.cut()是Pandas专门用于数值区间分组的工具，非常适配这种按范围划分的需求。不过你的规则里有几个边界细节需要先明确：

• 7.0 ≤ days ≤7.1 的值没有定义分组（比如7.05）
• 14.0 < days <15.0 的值也没有定义（比如你示例里的14.9）

我先严格按照你给出的规则写代码，你可以根据实际数据调整边界逻辑：

import pandas as pd
import numpy as np

# 假设你的DataFrame名为df，这里用你给的示例数据初始化
df = pd.DataFrame({'days': [1, 3.0, 2, 4.6, 14.9, 7.1, 15.1, 109]})

# 定义分组区间和对应的标签
# 区间划分：(-∞,7.0), [7.0,7.1), [7.1,14.0), [14.0,15.0), [15.0,+∞)
bins = [-np.inf, 7.0, 7.1, 14.0, 15.0, np.inf]
labels = ['1-6 days', np.nan, '7-14 days', np.nan, '> 14 days']

# 生成分组列，include_lowest=True确保左边界包含在内
df['Days_Group'] = pd.cut(df['days'], bins=bins, labels=labels, include_lowest=True)

# 如果需要处理未定义的边界值（比如把7.0-7.1归到"7-14 days"，14.0-15.0归到"> 14 days"），可以补充：
# df.loc[df['days'].between(7.0,14.0), 'Days_Group'] = '7-14 days'
# df.loc[df['days'] >14.0, 'Days_Group'] = '> 14 days'

方法二：使用np.select()（适合自定义多条件场景） #

如果你觉得区间划分不够直观，用np.select()可以直接写每个分组的判断条件，逻辑更清晰易懂：

import pandas as pd
import numpy as np

df = pd.DataFrame({'days': [1, 3.0, 2, 4.6, 14.9, 7.1, 15.1, 109]})

# 定义条件列表和对应的分组标签
conditions = [
    df['days'] < 7.0,  # 0-7天（不含7.0）
    (df['days'] >= 7.1) & (df['days'] <= 14.0),  # 7.1-14.0天（包含两端）
    df['days'] >= 15.0  # 15天及以上
]
choices = [
    '1-6 days',
    '7-14 days',
    '> 14 days'
]

# 生成分组列，default是未匹配到任何条件时的值（比如14.9这种）
df['Days_Group'] = np.select(conditions, choices, default=np.nan)

# 如果你想把14.0到15.0之间的值也归到"> 14 days"，只需要调整第三个条件：
# conditions[-1] = df['days'] > 14.0
# 这样14.9就会被分到"> 14 days"组，更符合直觉

测试结果（原规则） #

用你给的示例数据运行后，Days_Group列的结果如下：

内容的提问来源于stack exchange，提问作者okl