python pandas dataframe函数_新的python pandas dataframe列基于变量的值，使用函数

您只需使用2个布尔掩码：df.loc[df['ImageName'] <= 70, 'Test'] = 1

df.loc[(df['ImageName'] > 70) & (df['ImageName'] <= 90), 'Test'] = 2

通过使用掩码，您只需设置满足布尔条件的值，对于第二个掩码，您需要使用&运算符来and条件，并根据运算符的优先级将条件括在括号中

实际上，我认为最好定义bin值并调用^{}，例如：

^{pr2}$

这里的bin值是使用range生成的，但是您可以自己传递bin值列表，一旦有了bin值，就可以定义一个查找dict：In [32]:

d = dict(zip(df['group'].unique(), range(len(df['group'].unique()))))

d

Out[32]:

{'[0, 10)': 2,

'[10, 20)': 4,

'[20, 30)': 9,

'[30, 40)': 7,

'[40, 50)': 0,

'[50, 60)': 5,

'[60, 70)': 8,

'[70, 80)': 1,

'[80, 90)': 3,

'[90, 100)': 6}

现在可以调用^{}并添加新列：In [33]:

df['test'] = df['group'].map(d)

df

Out[33]:

ImageName group test

0 48 [40, 50) 0

1 78 [70, 80) 1

2 5 [0, 10) 2

3 4 [0, 10) 2

4 9 [0, 10) 2

5 81 [80, 90) 3

6 49 [40, 50) 0

7 11 [10, 20) 4

8 57 [50, 60) 5

9 17 [10, 20) 4

10 92 [90, 100) 6

11 30 [30, 40) 7

12 74 [70, 80) 1

13 62 [60, 70) 8

14 83 [80, 90) 3

15 21 [20, 30) 9

16 97 [90, 100) 6

17 11 [10, 20) 4

18 34 [30, 40) 7

19 78 [70, 80) 1

上面的内容可以修改以满足您的需要，但这只是为了演示一种方法，它应该是快速的，而且不需要迭代df。在