Python：根据其他两列的比较为DataFrame列元素赋值

给定一个数据帧，如下所示：

我有两个目标

为每个类别（a、b、c等）创建一个分位数，并将其分配给分位数列中的值

将分数列中的每一行与该组对应的分位数值进行比较。如果高于第90百分位，则将数字3指定给列值，高于第60百分位，则将数字2指定给列值，依此类推

到目前为止，我已经能够（以一种低效的方式）创建以下内容，但我确信必须有一种方法来提高效率：

df = pd.read_excel("file.xlsx")

conditions2 = (df['scaled_score']>=df['quantiles2']) & (df['scaled_score']<df['quantiles1'])
conditions3 = (df['scaled_score']>=df['quantiles3']) & (df['scaled_score']<df['quantiles2'])
conditions4 = (df['scaled_score']>=df['quantiles3'])

df['quantiles1'] = df.groupby([‘Group']).scaled_score.quantile(0.9)
dfr1 = np.where(df['scaled_score']>=df['quantiles1']  ,0.5,0)

df['quantiles2'] = df.groupby([‘Group']).scaled_score.quantile(0.7)
dfr2 = np.where(conditions2 ,0.35,0)

df['quantiles3'] = df.groupby([‘Group']).scaled_score.quantile(0.5)
dfr3 = np.where(conditions3,0.25,0)

df['quantiles4'] = df.groupby([‘Group']).scaled_score.quantile(0.4)
dfr4 = np.where(conditions4,0.15,0)

dtest1=pd.DataFrame(dfr1)
dtest2=pd.DataFrame(dfr2)
dtest3=pd.DataFrame(dfr3)
dtest4=pd.DataFrame(dfr4)
dftest = pd.concat([dtest1,dtest2]).groupby(level=0).max()
dftest = pd.concat([dftest,dtest3]).groupby(level=0).max()
dftest = pd.concat([dftest,dtest4]).groupby(level=0).max()

df.drop(['quantile'],axis=1)
del df[‘quantile’, axis=1]
dftest.index=df.index
Panel2 = df.join(dftest, on=df.index)
df[‘Value'] = dftest

df=pd.read\u excel（“file.xlsx”）
条件2=（df['scaled_score']>=df['quantiles2']）和（df['scaled_score']=df['quantiles3']）和（df['scaled_score']=df['quantiles3']）
df['quantiles1']=df.groupby（['Group']）。标度分数。分位数（0.9）
dfr1=np.式中（df['scaled_score']>=df['quantiles1']，0.5,0）
df['quantiles2']=df.groupby（['Group']）。标度分数。分位数（0.7）
dfr2=np.式中（条件2，0.35,0）
df['quantiles3']=df.groupby（['Group']）。标度分数。分位数（0.5）
dfr3=np.式中（条件3,0.25,0）
df['quantiles4']=df.groupby（['Group']）。标度分数。分位数（0.4）
dfr4=np.式中（条件4,0.15,0）
dtest1=pd.数据帧（dfr1）
dtest2=pd.数据帧（dfr2）
dtest3=pd.数据帧（dfr3）
dtest4=pd.数据帧（dfr4）
dftest=pd.concat（[dtest1，dtest2]）.groupby（level=0）.max（）
dftest=pd.concat（[dftest，dtest3]）.groupby（level=0）.max（）
dftest=pd.concat（[dftest，dtest4]）.groupby（level=0）.max（）
df.下降（['分位数']，轴=1）
del df[‘分位数’，轴=1]
dftest.index=df.index
Panel2=df.join（dftest，on=df.index）
df['Value']=dftest

我会做

qcut

s=df.groupby('Value').apply(lambda x : pd.qcut(x['scaled_score'],[0,0.5,0.7,0.9,1],labels=[0.15,0.25,0.35,0.5])).reset_index(level=0,drop=True)
df['New']=s

---

你好！你有什么理由怀疑有更有效的方法吗？你觉得问题出在哪里？请解释一下@WeNYoBen