如何无需嵌套IF/AND，通过查表将年龄值划分到离散区间

针对你的年龄分组需求，以下是几种比嵌套IF/AND简便得多的实现方式，支持基于预定义规则表的映射：

Excel 场景 #

方法1：VLOOKUP 近似匹配（兼容所有Excel版本） #

1. 先整理你的分组规则表，比如放在E2:F5区域，必须把年龄下限按从小到大排序：

   年龄下限	分组类别
   0	少年
   18	青年
   35	中年
   60	老年

2. 在需要生成分组的单元格（比如C2）输入公式：
   =VLOOKUP(A2, $E$2:$F$5, 2, TRUE)
   • 核心逻辑：TRUE开启近似匹配，会自动找到小于等于当前年龄的最大下限，对应到对应的分组类别，完全替代嵌套IF的繁琐逻辑。

方法2：XLOOKUP（Excel 365/2021+ 推荐） #

如果用的是新版Excel，XLOOKUP的语法更直观，同样依赖排序后的规则表：
=XLOOKUP(A2, $E$2:$E$5, $F$2:$F$5, "", -1)

• 解释：-1参数指定“查找小于等于目标值的最大匹配项”，结果和VLOOKUP一致，但不用纠结列顺序，后期维护更方便。

Python Pandas 场景 #

如果是用代码处理批量数据，这两种方法效率更高：

方法1：pd.cut 快速分组 #

直接定义区间和对应标签，适合规则固定的场景：

import pandas as pd

# 原始年龄数据
df = pd.DataFrame({'年龄': [12, 25, 40, 65, 3, 59]})

# 定义分组区间和标签
age_bins = [0, 18, 35, 60, float('inf')]
group_labels = ['少年', '青年', '中年', '老年']

# 添加分组列
df['年龄分组'] = pd.cut(df['年龄'], bins=age_bins, labels=group_labels, include_lowest=True)

方法2：merge_asof 匹配独立规则表 #

如果分组规则需要单独维护（比如存在外部规则文件），用merge_asof可以实现动态匹配：

import pandas as pd

# 预定义分组规则表（可从CSV/Excel读取）
rule_df = pd.DataFrame({
    '年龄下限': [0, 18, 35, 60],
    '分组类别': ['少年', '青年', '中年', '老年']
}).sort_values('年龄下限')  # 必须按年龄下限排序

# 原始数据排序后匹配
sorted_df = df.sort_values('年龄')
result_df = pd.merge_asof(sorted_df, rule_df, left_on='年龄', right_on='年龄下限', direction='backward')

# 清理列并恢复原顺序
result_df = result_df.drop('年龄下限', axis=1).sort_index()

所有方法都支持规则表的独立维护，修改分组时只需调整规则表内容，不用修改公式或代码，比嵌套IF/AND更易读、易维护。

内容的提问来源于stack exchange，提问作者Bera