Python 多数据类型数据帧中的比较操作

我有以下数据帧：

df = pd.DataFrame({'a': [1, 2.5, 3, 'bad', 5],
                   'b': [0.1, 'good', 0.3, "ugly", 0.5],
                   'item': ['a', 'b', 'c', 'd', 'e']})
df = df.set_index('item')

如您所见，这些列包含数值和字符值的组合。我希望根据范围更改数值的值，例如：

---

0

a=df.apply（pd.to_numeric，errors='concurve'）
m1=（a>0）和（a1）和（a2）和（a0）和（a1）和（a2）和（a所有值，a列和b列？是的，azro！我希望对a列和b列中的所有数值进行比较。谢谢！在我的原始数据框中，我有大约400列。我希望在我的数据框的所有列中都执行此操作。很抱歉再次打扰您，但我有另一个快速问题！假设我的条件在另一个数据框中：df1=pd.DataFrame（{'initial'：[0,1,2]，'end'：[1,2,6]，'stg'：['good'，'bad'，'sugger]}）。我如何循环通过此df1以获得相同的结果？再次提前感谢！非常感谢！！再次感谢您的输入！祝您度过愉快的一天！
a = df.apply(pd.to_numeric, errors='coerce')
m1 = (a > 0) & (a <= 1)
m2 = (a > 1) & (a <= 2)
m3 = (a > 2) & (a <= 6)

arr = np.select([m1, m2, m3], ['good','bad','ugly'], default=df)

df = pd.DataFrame(arr, index=df.index, columns=df.columns)
print (df)
         a     b
item            
a     good  good
b     ugly  good
c     ugly  good
d      bad  ugly
e     ugly  good

df1 = pd.DataFrame({'initial': [0,1,2], 'end': [1, 2, 6], 'stg': ['good', 'bad', 'ugly']})

a = df1.apply(pd.to_numeric, errors='coerce')
m1 = (a > 0) & (a <= 1)
m2 = (a > 1) & (a <= 2)
m3 = (a > 2) & (a <= 6)

arr = np.select([m1, m2, m3], ['good','bad','ugly'], default=df1)

df = pd.DataFrame(arr, index=df1.index, columns=df1.columns)
print (df)
  initial   end   stg
0       0  good  good
1    good   bad   bad
2     bad  ugly  ugly