如何将DataFrame列中的数值替换为基于原始数字Pandas值的字符串

Question

我有一个带有数值的DataFrame列，例如

df=pd.DataFrame({'my_col':[1,0,1,0,4,5,8,10,12]})

在my_col列中，我想根据一组条件替换所有值：

• 如果小于或等于1，则为"1或更小">
• 如果大于1，则为"2到10"且小于10
• 如果大于10，则为"大于10">

我试过：

df.loc[(type(df['my_col']) != str) & (df['my_col'] < 2), 'my_col'] = '1 or less'
df.loc[(type(df['my_col']) != str) & (df['my_col'] > 1) & (df['my_col'] <= 10),'my_col'] = '2 to 10'
df.loc[(type(df['my_col']) != str) & (df['my_col'] > 10), 'my_col'] = 'more than 10'

我得到以下错误：类型错误：">"在"str"one_answers"int"的实例之间不支持

第一行似乎执行得很好，但之后的列包含数字和str值的混合

因此，我试图绕过这一点，在开始第二行代码之前，先过滤掉str值，使用：

df.loc[type(df['my_col']) != str]

但这给出了一个错误：'没有布尔索引就不能使用布尔标签'

所以我甚至尝试过这种东西：

df[df['my_col'].apply(lambda x: not isinstance(x, str))].loc[(df['my_col'] > 1) & (df['my_col'] <= 10),'my_col'] = '2 to 10'

但是，如果我返回df，则不会分配值。

有什么建议吗？

Answer 1

使用pd.cut。

pd.cut(df['my_col'], bins=[float('-inf'), 1, 10, float('inf')], labels=['1 or less', '2 to 10', 'more than 10'])

这假设您只处理整数，例如没有标记为'2 to 10'的1.5。