如何将DataFrame中的值与字典的键范围匹配并返回对应值？

嘿，我来帮你搞定这个问题！你想把DataFrame里的数值和字典中的区间对应起来获取颜色，用循环迭代确实容易踩坑，而且pandas本身就有更简洁高效的向量化方法，完全不用手动遍历~

为什么你的循环可能不好用？ #

循环遍历DataFrame的每行数据不仅效率低（数据量大的时候特别明显），而且如果没处理好区间的边界判断，很容易出现匹配不到的情况。咱们换个更贴合pandas特性的方式来做。

推荐方法：用pd.cut()实现区间匹配 #

你的字典键是连续的数值区间，pd.cut()就是pandas专门用来处理这类区间划分的工具，完美适配你的需求。步骤如下：

1. 从字典中提取区间的边界值和对应的颜色标签
2. 用pd.cut()把DataFrame的数值映射到对应的颜色

完整代码示例：

import pandas as pd

colors = {range(0,50):"red",range(50,100):"blue", range(100,150):"green",range(150,200):"orange" ,range(200, 250):"purple", range(250,1000):"grey"}
df = pd.DataFrame(data=[51,8,265,167], columns=['A'])

# 提取区间的起始点，再加上最后一个区间的终点作为完整的边界列表
bins = [r.start for r in colors.keys()] + [list(colors.keys())[-1].stop]
# 提取对应的颜色标签
labels = list(colors.values())

# 执行区间匹配，include_lowest=True确保第一个区间包含起始值0
df['color'] = pd.cut(df['A'], bins=bins, labels=labels, include_lowest=True)

print(df)

运行后你会得到期望的结果：

A   color
0   51    blue
1    8     red
2  265    grey
3  167  orange

如果你想试试循环的写法（不推荐大数据量） #

要是你好奇循环怎么写才能成功，也可以用apply()结合自定义函数来实现，不过这个方法在数据量大的时候效率会很低：

def get_matching_color(x):
    for interval, color in colors.items():
        if x in interval:
            return color
    # 处理不在任何区间的数值
    return None

df['color'] = df['A'].apply(get_matching_color)

小提示 #

• pd.cut()的include_lowest=True非常重要，它能确保第一个区间（0-50）包含0这个起始值，不然0会被判定为不属于任何区间，返回NaN。
• 你的区间是连续且不重叠的，刚好符合pd.cut()的使用场景，如果区间有重叠，可能需要调整逻辑优先匹配某个区间。

内容的提问来源于stack exchange，提问作者Rene