如何基于条件在Pandas DataFrame中创建新列？

嘿，这问题不难解决，我给你两种实用的方法，都是Pandas里常用的操作，你可以按需选择：

方法一：用Numpy的where（高效向量操作，推荐） #

这种方法是向量级别的运算，比逐行处理快很多，适合大数据量的情况：

首先先准备好你的DataFrame：

import pandas as pd
import numpy as np

d = {'find_no': [1, 2, 3], 'zip_code': [32351, 19207, 8723]}
df = pd.DataFrame(data=d)

然后直接添加新列，这里我们把新列命名为zip_valid：

# 先把zip_code转成字符串，判断长度是否为5；满足就返回True，否则返回对应的find_no
df['zip_valid'] = np.where(df['zip_code'].astype(str).str.len() == 5, True, df['find_no'])

如果你的zip_code可能存在非数字的情况（比如字符串格式的"323a1"），那可以用正则表达式做更严格的匹配，确保是纯5位数字：

# 用正则^\d{5}$匹配严格的5位数字，更严谨
df['zip_valid'] = np.where(
    df['zip_code'].astype(str).str.match(r'^\d{5}$'), 
    True, 
    df['find_no']
)

方法二：用apply逐行处理（适合复杂逻辑） #

如果之后你需要给判断逻辑加更多条件，逐行处理的方式更灵活：

def check_zip_valid(row):
    # 转成字符串后检查是否是5位纯数字
    zip_str = str(row['zip_code'])
    if zip_str.isdigit() and len(zip_str) == 5:
        return True
    else:
        return row['find_no']

# 按行应用函数，生成新列
df['zip_valid'] = df.apply(check_zip_valid, axis=1)

最终效果 #

运行完上面的代码后，你的DataFrame会变成这样：

find_no  zip_code zip_valid
0        1     32351      True
1        2     19207      True
2        3      8723         3

内容的提问来源于stack exchange，提问作者onlywynter