基于Kids/Teen列替换DataFrame中'together'值的实现求助

数据老陈

2026-7-7

解决方案

先确认你的原始数据构造代码（表格里的Column A对应代码中的col_1）：

import pandas as pd
import numpy as np

data = {'col_1': ['together', 'married', 'single', 'together'],
        'kids': [1, 0, 0, 0],
        'teen': [1, 1, 0, 0]
       }
df = pd.DataFrame.from_dict(data)

以下是三种实现方式，按需选择：

方法1：用`np.where`高效处理（推荐）

利用numpy的where函数结合复合条件一次性完成替换，效率最高，适合大规模数据：

df['col_1'] = np.where(
    df['col_1'] == 'together',
    np.where((df['kids'] == 0) & (df['teen'] == 0), 'single', 'married'),
    df['col_1']  # 非'together'的行保留原内容
)

方法2：用`apply`函数实现（符合你的尝试方向）

通过apply逐行处理，逻辑直观，便于理解：

def replace_together(row):
    if row['col_1'] != 'together':
        return row['col_1']
    if row['kids'] == 0 and row['teen'] == 0:
        return 'single'
    else:
        return 'married'

df['col_1'] = df.apply(replace_together, axis=1)

也可以用lambda简化为一行：

df['col_1'] = df.apply(
    lambda x: 'single' if (x['col_1'] == 'together' and x['kids'] == 0 and x['teen'] == 0) 
              else ('married' if x['col_1'] == 'together' else x['col_1']),
    axis=1
)

方法3：用`loc`布尔索引分步替换

分步操作逻辑清晰，容易调试：

# 替换kids和teen均为0的'together'为single
df.loc[(df['col_1'] == 'together') & (df['kids'] == 0) & (df['teen'] == 0), 'col_1'] = 'single'
# 替换剩余的'together'为married（剩余行满足kids/teen至少一个为1）
df.loc[df['col_1'] == 'together', 'col_1'] = 'married'

执行任意一种方法后，最终DataFrame结果如下：