如何在Pandas数据框中使用范围替换列值

Question

我有一个叫做'df'的数据框，我想要将数据框中一定范围内的列的值替换为另一列中对应的值。

1. 6 <= age < 11 then 1

   11 <= age < 16 then 2

   16 <= age < 21 then 3

   21 <= age then 4

           age
   86508   12.0
   86509   6.0
   86510   7.0
   86511   8.0
   86512   10.0
   86513   15.0
   86514   15.0
   86515   16.0
   86516   20.0
   86517   23.0
   86518   23.0
   86519   7.0
   86520   18.0
   

结果是

            age    stage
    86508   12.0    2
    86509   6.0     1    
    86510   7.0     1
    86511   8.0     1
    86512   10.0    1
    86513   15.0    2
    86514   15.0    2
    86515   16.0    2
    86516   20.0    3
    86517   23.0    4
    86518   23.0    4
    86519   7.0     1
    86520   18.0    3

感谢您的选择。

- TTaa

Answer 1

使用 pd.cut()：

In [37]: df['stage'] = pd.cut(df.age, bins=[0,11,16,21,300], labels=[1,2,3,4])

In [38]: df
Out[38]:
        age stage
86508  12.0     2
86509   6.0     1
86510   7.0     1
86511   8.0     1
86512  10.0     1
86513  15.0     2
86514  15.0     2
86515  16.0     2
86516  20.0     3
86517  23.0     4
86518  23.0     4
86519   7.0     1
86520  18.0     3

或者 @ayhan提供的更通用的解决方案：

In [39]: df['stage'] = pd.cut(df.age, bins=[0, 11, 16, 21, np.inf], labels=False, right=True) + 1

In [40]: df
Out[40]:
        age  stage
86508  12.0      2
86509   6.0      1
86510   7.0      1
86511   8.0      1
86512  10.0      1
86513  15.0      2
86514  15.0      2
86515  16.0      2
86516  20.0      3
86517  23.0      4
86518  23.0      4
86519   7.0      1
86520  18.0      3

- MaxU - stand with Ukraine

---

太棒了！比起使用条件语句要好得多。 - A.Kot

好答案！我总是忘记在这种情况下使用pd.cut。下次再用吧 :) - Vaishali

谢谢你们！:-) - MaxU - stand with Ukraine

pd.cut(df.age, bins=[0, 11, 16, 21, np.inf], labels=False, right=True) + 1 可能更加通用（无论是对于分箱还是标签）。 - ayhan

Answer 2

使用 np.searchsorted

a = np.array([-np.inf, 6, 11, 16, 21, np.inf])
df.assign(stage=a.searchsorted(df.age, side='right') - 1)

        age  stage
86508  12.0      2
86509   6.0      1
86510   7.0      1
86511   8.0      1
86512  10.0      1
86513  15.0      2
86514  15.0      2
86515  16.0      3
86516  20.0      3
86517  23.0      4
86518  23.0      4
86519   7.0      1
86520  18.0      3

时序
小数据

%%timeit
a = np.array([-np.inf, 6, 11, 16, 21, np.inf])
df.assign(stage=a.searchsorted(df.age, side='right') - 1)
1000 loops, best of 3: 288 µs per loop

%%timeit
df.assign(stage=pd.cut(df.age, bins=[0,11,16,21,300], labels=[1,2,3,4]))
1000 loops, best of 3: 668 µs per loop

- piRSquared

---

更新我的有用函数库:) +1 - Vaishali