根据值的范围将类别指定为一个新列python

我有一段R代码，我正试图弄清楚如何在Python中实现它。 它需要一个名为INDUST_CODE的列，并检查其值，以根据值的范围指定一个类别作为一个新列。请问我如何在python中执行类似操作

  industry_index <- full_table_update %>%
      mutate(industry = case_when(
        INDUST_CODE < 1000 ~ 'Military_service',
        INDUST_CODE < 1500 & INDUST_CODE >= 1000 ~ 'Public_service',
        INDUST_CODE < 2000 & INDUST_CODE >= 1500 ~ 'Private_sector',
        INDUST_CODE >= 2000 ~ 'Others'
        )) %>%
      select(industry)

行业指数%
变异（行业=案例）(
行业代码<1000~‘军事服务’，
行业代码<1500和行业代码>=1000~‘公共服务’，
行业代码<2000和行业代码>=1500~‘私营部门’，
行业代码>=2000~‘其他’
)) %>%
选择（行业）

您可以使用

pandas.cut

按照您的示例将其组织到垃圾箱中

df = pd.DataFrame([500, 1000, 1001, 1560, 1500, 2000, 2300, 7, 1499], columns=['INDUST_CODE'])

   INDUST_CODE
0          500
1         1000
2         1001
3         1560
4         1500
5         2000
6         2300
7            7
8         1499

df['Categories'] = pd.cut(df['INDUST_CODE'], [0, 999, 1499, 1999, 100000], labels=['Military_service', 'Public_service', 'Private_sector', 'Others'])

   INDUST_CODE        Categories
0          500  Military_service
1         1000    Public_service
2         1001    Public_service
3         1560    Private_sector
4         1500    Private_sector
5         2000            Others
6         2300            Others
7            7  Military_service
8         1499    Public_service
Categories (4, object): [Military_service < Public_service < Private_sector < Others]

df=pd.DataFrame（[50010001001601500200023001499]，columns=['INDUST_code']））
工业代码
0          500
1         1000
2         1001
3         1560
4         1500
5         2000
6         2300
7            7
8         1499
df['Categories']=pd.cut（df['INDUST_CODE']，[0，999，1499，1999，100000]，标签=['Military_service'，'Public_service'，'Private_sector'，'Others'）
工业代码类别
0 500兵役
11000公共服务
21001公共服务
3 1560私营部门
4 1500个私营部门
52000其他
62300其他
7 7兵役
81499公共服务
类别（4，对象）：[军事服务<公共服务<私营部门<其他]

您可以使用

pandas.cut

按照您的示例将其组织到垃圾箱中

df = pd.DataFrame([500, 1000, 1001, 1560, 1500, 2000, 2300, 7, 1499], columns=['INDUST_CODE'])

   INDUST_CODE
0          500
1         1000
2         1001
3         1560
4         1500
5         2000
6         2300
7            7
8         1499

df['Categories'] = pd.cut(df['INDUST_CODE'], [0, 999, 1499, 1999, 100000], labels=['Military_service', 'Public_service', 'Private_sector', 'Others'])

   INDUST_CODE        Categories
0          500  Military_service
1         1000    Public_service
2         1001    Public_service
3         1560    Private_sector
4         1500    Private_sector
5         2000            Others
6         2300            Others
7            7  Military_service
8         1499    Public_service
Categories (4, object): [Military_service < Public_service < Private_sector < Others]

df=pd.DataFrame（[50010001001601500200023001499]，columns=['INDUST_code']））
工业代码
0          500
1         1000
2         1001
3         1560
4         1500
5         2000
6         2300
7            7
8         1499
df['Categories']=pd.cut（df['INDUST_CODE']，[0，999，1499，1999，100000]，标签=['Military_service'，'Public_service'，'Private_sector'，'Others'）
工业代码类别
0 500兵役
11000公共服务
21001公共服务
3 1560私营部门
4 1500个私营部门
52000其他
62300其他
7 7兵役
81499公共服务
类别（4，对象）：[军事服务<公共服务<私营部门<其他]

在R中，我通常使用

cut

来执行此操作，而不必键入每个范围-

cut（x，c（-Inf，100015002000，Inf），labels=c（“a”，“b”，“c”，“d”）

。因此，在Python中，我也会寻找一个cut函数——这看起来很有希望——在R中，我通常会使用

cut

来实现这一点，而不必键入每个范围-

cut（x，c（-Inf，100015002000，Inf），labels=c（“a”，“b”，“c”，“d”）

。所以在Python中，我也会寻找一个cut函数——这看起来很有希望——与R的cut函数几乎相同，就是这样！几乎和R的截函数一样，就是这样！