如何在Pandas DataFrame中逐行检查条件并修改列？——基于np.select()的多条件处理方案

你原来已经实现了针对AAA值的处理，现在要扩展到三个不同的格式化规则，同时只处理Col1非空的行，这里给你两种实用的实现方式，分别对应np.select()批量处理和自定义函数逐行处理的思路：

先准备基础变量 #

首先我们需要提前生成需要用到的日期和时间戳变量，避免重复计算：

import pandas as pd
import numpy as np
from datetime import datetime

# 获取当日日期，格式如20220809
today_date = datetime.today().strftime("%Y%m%d")
# 获取当日16点的时间戳格式，如20220809T160000.000000
today_16_ts = f"{today_date}T160000.000000"

方案一：用np.select()实现批量多条件处理 #

这种方法效率很高，适合大数据量的场景，通过定义条件列表和对应的值列表来批量赋值：

# 先确认Col1列存在
if "Col1" in df_csv_generator.columns:
    # 定义条件列表，每个条件都包含非空判断
    conditions = [
        (df_csv_generator["Col1"] == "AAA") & (df_csv_generator["Col1"].notnull()),
        (df_csv_generator["Col1"] == "BBB") & (df_csv_generator["Col1"].notnull()),
        (df_csv_generator["Col1"] == "CCC") & (df_csv_generator["Col1"].notnull())
    ]
    # 定义对应条件的格式化结果
    choices = [
        {"AAA": int(today_date)},
        {"BBB": True},
        {"CCC": today_16_ts}
    ]
    # 使用np.select批量赋值，默认值保留原Col1（如果不符合任何条件）
    df_csv_generator["Col1"] = np.select(conditions, choices, default=df_csv_generator["Col1"])

这里需要注意：np.select()会对整个列进行处理，我们在每个条件里都加上了Col1.notnull()的判断，确保只处理非空行；不符合三个条件的行会保留原来的Col1值，你也可以根据需求修改default参数。

方案二：自定义函数+apply逐行处理 #

如果你的逻辑后续可能有更复杂的扩展，用自定义函数的方式会更直观，可读性更强：

def format_col1(value):
    # 先判断值是否为空，空值直接返回
    if pd.isna(value):
        return value
    if value == "AAA":
        return {"AAA": int(today_date)}
    elif value == "BBB":
        return {"BBB": True}
    elif value == "CCC":
        return {"CCC": today_16_ts}
    else:
        # 不符合规则的返回原值
        return value

# 确认Col1列存在后应用函数
if "Col1" in df_csv_generator.columns:
    df_csv_generator["Col1"] = df_csv_generator["Col1"].apply(format_col1)

这种方式逐行处理每个值，逻辑清晰，后续要加新的规则直接在函数里加elif分支即可，适合逻辑多变的场景。

测试验证 #

用你给出的示例DataFrame测试：

# 构造示例DataFrame
df_csv_generator = pd.DataFrame({
    "ID": [1,2,3],
    "Col1": ["AAA", "BBB", "CCC"],
    "Col2": [1234,1456,4567]
})

运行上述任意一种方案后，df_csv_generator的Col1列就会变成你想要的格式化结果。

内容的提问来源于stack exchange，提问作者unicorn