场景如下：

现在有一个dataframe，其中一列为score，值从0-100，

df：

score



98

88

37

68

86

33

现在需要增加一列level，给这些分数分类，90分以上为A，60-90为B，60以下为C。

常用的方法肯定是使用for循环，对每一行进行处理。

import pandas as pd
list = [98,88,37,68,86,33]
df = pd.DataFrame(list, columns=['score']) # convert list to dataframe
df['level'] = '' # add a column
def judgeLevel(df):
 for i in range(len(df)):
  if df.score.ix[i] < 60:
   df.level.ix[i] = 'C'
  elif df.score.ix[i] > 90:
   df.level.ix[i] = 'A'
  else:
   df.level.ix[i] = 'B'
 return df
df = judgeLevel(df)

还有一种方法，是使用python的匿名函数：lambda函数

import pandas as pd 
  
list = [98,88,37,68,86,33] 
  
df = pd.DataFrame(list, columns=['score']) 
  
df['level'] = '' # add a column 
  
def judgeLevel(df): 
 if df['score'] < 60: 
  return 'C'
 elif df['score'] > 90: 
  return 'A'
 else: 
  return 'B'
  
df['level'] = df.apply(lambda r: judgeLevel(r), axis=1)

至于如何取舍，就由各位自行决定了，多学一点总不是坏处，对吧？

以上这篇python 用lambda函数替换for循环的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持

原文链接：https://blog.csdn.net/chenKFKevin/article/details/71090664