DataFrame错误率分箱生成准确率分布列的代码问题排查

先明确你的核心需求：基于Error_Rate推导对应的准确率区间列，其中准确率 = 100% - Error_Rate，对应区间规则如下：

• Above 90% 准确率 → Error_Rate ≤10
• 80% - 90% 准确率 → 10 < Error_Rate ≤20
• 65% - 80% 准确率 →20 < Error_Rate ≤35
• Below 65% 准确率 →Error_Rate >35

你的代码逻辑本身是自洽的，但大概率是以下问题导致结果不符合预期：

1. 数据类型错误（最可能的诱因） #

如果你的Error_Rate列是字符串类型而非数值类型，数值比较会按照字符串字典序执行，完全打乱判断逻辑。比如字符串'3'和'10'比较时，'3' > '10'会返回True（因为首字符'3'的ASCII码大于'1'），这会让本应属于Above 90%的Error_Rate=10（字符串'10'）被错误归类。

验证与修复步骤： #

先检查列类型：

print(df['Error_Rate'].dtype)

如果输出是object（字符串类型），先转换为数值类型：

df['Error_Rate'] = pd.to_numeric(df['Error_Rate'], errors='coerce')

2. 嵌套np.where的可读性缺陷（潜在逻辑漏洞） #

嵌套np.where虽然逻辑正确，但一旦符号写错（比如把>写成<），很难快速定位问题。更推荐用向量化条件赋值或pd.cut + 独热编码的方式，代码更简洁且不易出错。

优化后的代码 #

方式一：多条件直接赋值（可读性最高）

import pandas as pd
import numpy as np

# 初始化所有新增列为0
df[['Above 90%', '80% - 90%', '65% - 80%', 'Below 65%']] = 0

# 按区间逐个赋值
df.loc[df['Error_Rate'] <= 10, 'Above 90%'] = 1
df.loc[(df['Error_Rate'] > 10) & (df['Error_Rate'] <= 20), '80% - 90%'] = 1
df.loc[(df['Error_Rate'] > 20) & (df['Error_Rate'] <= 35), '65% - 80%'] = 1
df.loc[df['Error_Rate'] > 35, 'Below 65%'] = 1

方式二：pd.cut生成分类后转独热编码（最简洁）

# 定义错误率区间边界和对应准确率标签
bins = [-np.inf, 10, 20, 35, np.inf]
labels = ['Above 90%', '80% - 90%', '65% - 80%', 'Below 65%']

# 生成准确率分类列
df['Accuracy_Category'] = pd.cut(df['Error_Rate'], bins=bins, labels=labels, right=True)

# 转换为独热编码并合并到原表
df = pd.concat([df, pd.get_dummies(df['Accuracy_Category'], prefix='', prefix_sep='')], axis=1)
# 可选：删除临时分类列
df.drop('Accuracy_Category', axis=1, inplace=True)

3. 验证结果 #

用你的示例数据运行优化后的代码，会得到完全符合预期的结果：

Company  Error_Rate  Above 90%  80% - 90%  65% - 80%  Below 65%
0       A           9          1          0          0          0
1       B          10          1          0          0          0
2       c          20          0          1          0          0
3      GK          17          0          1          0          0
4      GK          18          0          1          0          0
5      GK          30          0          0          1          0
6      GK          35          0          0          1          0
7      GK          25          0          0          1          0
8      GK          32          0          0          1          0
9      GK          40          0          0          0          1
10     GK          50          0          0          0          1
11     MB          60          0          0          0          1
12     MB          70          0          0          0          1

内容的提问来源于stack exchange，提问作者Ahamed Moosa