如何为DataFrame中另一列含指定值的行赋值？含多条件场景

一、单条件：根据Details列包含Green更新Color列 #

原代码问题点 #

• if 'Green' in df['Details'] 逻辑错误：Series的in操作是检查索引是否存在该值，而非元素是否包含目标字符串，无法实现逐行判断。
• 列名大小写不一致：DataFrame定义的是Color列，但代码中写的是df['color']，Pandas对列名大小写敏感，会导致赋值到新列而非目标列。
• apply.color1 语法错误：apply()需要传入可调用对象，不能直接通过点属性的方式调用变量。

正确实现代码 #

import pandas as pd

testing = {
    'Details': ['Green Mercedes', 'Blue mercedes', 'Green ford', 'Red ford', 'Blue Kia', 'Green Audi'],
    'Color': ['','','','','',''],
}

df = pd.DataFrame(testing)
color1 = "Green"

# 生成布尔掩码定位符合条件的行，用loc赋值
df.loc[df['Details'].str.contains('Green', case=False), 'Color'] = color1

print(df)

输出结果 #

Details Color
0  Green Mercedes Green
1   Blue mercedes      
2      Green ford Green
3        Red ford      
4        Blue Kia      
5      Green Audi Green

说明：str.contains('Green', case=False) 生成布尔Series标记目标行，case=False可选，用于忽略大小写匹配；df.loc[布尔掩码, 目标列] 是Pandas中条件赋值的标准写法。

二、多条件：结合Details含Green和Sold状态赋值 #

要同时匹配「Details包含Green」+「Sold列状态」两个条件，可通过两种直观方式实现：

方法1：嵌套np.where实现多分支判断 #

import pandas as pd
import numpy as np

testing = {
    'Details': ['Green Mercedes', 'Blue mercedes', 'Green ford', 'Red ford', 'Blue Kia', 'Green Audi'],
    'Sold': ['Yes','Yes','No','No','Yes','No'],
    'Color': ['','','','','',''],
}

df = pd.DataFrame(testing)
color1 = "Green Sold"
color2 = "Green not sold"

# 先判断是否含Green，再根据Sold状态赋值
df['Color'] = np.where(
    df['Details'].str.contains('Green'),
    np.where(df['Sold'] == 'Yes', color1, color2),
    df['Color']  # 不满足Green条件的行保持原值
)

print(df)

方法2：用df.loc分两次赋值（更直观） #

import pandas as pd

testing = {
    'Details': ['Green Mercedes', 'Blue mercedes', 'Green ford', 'Red ford', 'Blue Kia', 'Green Audi'],
    'Sold': ['Yes','Yes','No','No','Yes','No'],
    'Color': ['','','','','',''],
}

df = pd.DataFrame(testing)
color1 = "Green Sold"
color2 = "Green not sold"

# 条件1：含Green且Sold=Yes
df.loc[(df['Details'].str.contains('Green')) & (df['Sold'] == 'Yes'), 'Color'] = color1
# 条件2：含Green且Sold=No
df.loc[(df['Details'].str.contains('Green')) & (df['Sold'] == 'No'), 'Color'] = color2

print(df)

两种方法的输出结果 #

Details Sold           Color
0  Green Mercedes  Yes      Green Sold
1   Blue mercedes  Yes                
2      Green ford   No  Green not sold
3        Red ford   No                
4        Blue Kia  Yes                
5      Green Audi   No  Green not sold

内容的提问来源于stack exchange，提问作者Joao Beca