Pandas如何将数值范围内的值替换为对应字符串？

你遇到的TypeError本质是循环过程中列的类型被意外修改了：

第一次循环执行data.loc[data['my_col'].between(1,10)] = 'A'时，会把符合条件的行的my_col值替换成字符串'A'。这时候my_col列的 dtype 会从原本的数值类型（比如int/float）变成object（混合了数值和字符串）。

到第二次循环时，data['my_col'].between(11,21)会尝试将列中的字符串值（比如'A'）和整数11、21做比较，而Python不支持字符串和整数直接用>=/<=比较，所以抛出了错误。

而单独执行某一段代码时，因为my_col还是纯数值类型，所以不会有这个问题。

推荐两种可行的方法，优先用第一种（更简洁高效）：

方法1：用pd.cut直接映射区间（推荐） #

pandas的cut函数专门用来处理数值区间到标签的映射，一步到位，完全避免循环带来的类型问题：

import pandas as pd

replace_dict = {
 'A': 10, 'B': 21, 'C': 34, 'D': 49, 'E': 66,
 'F': 85, 'G': 107, 'H': 132, 'I': 160, 'J': 192,
 'K': 229, 'L': 271, 'M': 319, 'N': 395, 'O': 495,
 'P': 595, 'Q': 795, 'R': 1100
}

# 生成区间边界：左边界从0开始，右边界是字典的值，最后加inf处理超过1100的数值
bins = [0] + list(replace_dict.values()) + [float('inf')]
# 对应区间的标签
labels = list(replace_dict.keys())

# 执行映射，include_lowest=True确保1被包含在第一个区间里
data['my_col'] = pd.cut(data['my_col'], bins=bins, labels=labels, include_lowest=True)

方法2：修改循环逻辑，基于原始数值列判断 #

如果你一定要保留循环的写法，核心是用原始的数值列做区间判断，避免被中途修改的字符串列影响：

replace_dict = {
 'A': 10, 'B': 21, 'C': 34, 'D': 49, 'E': 66,
 'F': 85, 'G': 107, 'H': 132, 'I': 160, 'J': 192,
 'K': 229, 'L': 271, 'M': 319, 'N': 395, 'O': 495,
 'P': 595, 'Q': 795, 'R': 1100
}

# 先保存原始的数值列，避免循环中被修改
original_my_col = data['my_col'].copy()
k = 1

for label, upper_limit in replace_dict.items():
    # 用原始列生成筛选条件
    mask = original_my_col.between(k, upper_limit)
    # 只替换符合条件的位置
    data.loc[mask, 'my_col'] = label
    k = upper_limit + 1

这样每次循环的筛选逻辑都是基于纯数值的original_my_col，不会出现字符串和整数比较的问题。

内容的提问来源于stack exchange，提问作者Abdullah Al Imran