Pandas：根据更复杂的标准选择和修改数据框

我在看this https://stackoverflow.com/questions/38802675/create-bool-mask-from-filter-results-in-pandas and this https://stackoverflow.com/questions/15315452/selecting-with-complex-criteria-from-pandas-dataframe线程，虽然我的问题并没有那么不同，但它有一些差异。我有一个充满的数据框floats，我想用字符串替换。说：

      A     B       C
 A    0     1.5     13
 B    0.5   100.2   7.3
 C    1.3   34      0.01

对于这个表，我想用几个标准替换，但只有第一个替换有效：

df[df<1]='N' # Works
df[(df>1)&(df<10)]#='L' # Doesn't work
df[(df>10)&(df<50)]='M'  # Doesn't work
df[df>50]='H'  # Doesn't work

如果我根据以下内容选择第二行float，仍然不起作用：

((df.applymap(type)==float) & (df<10) & (df>1)) #Doesn't work

我想知道如何申请pd.DataFrame().mask在这里，或者任何其他方式。我应该如何解决这个问题？

或者，我知道我可以逐列阅读并在每个系列上应用替换，但这似乎有点适得其反

编辑：谁能解释一下为什么上面的 4 个简单作业不起作用？

Use numpy.select https://docs.scipy.org/doc/numpy/reference/generated/numpy.select.html with DataFrame构造函数：

m1 = df < 1
m2 = (df>1)&(df<10)
m3 = (df>10)&(df<50)
m4 = df>5

vals = list('NLMH')

df = pd.DataFrame(np.select([m1,m2,m3,m4], vals), index=df.index, columns=df.columns)
print (df)
   A  B  C
A  N  L  M
B  N  H  L
C  L  M  N