如何不使用循环为Pandas DataFrame的Data2列条件赋值？

当然有，Pandas本身提供了多种矢量化操作的方式，比循环更高效（尤其是数据量较大时），也更符合Pandas的惯用写法，以下是几种常用方案：

方法1：使用numpy.where（最直观的条件赋值） #

利用np.where根据Status的布尔值直接生成对应列的值，一步完成赋值：

import pandas as pd
import numpy as np

d = {"Data1":[1,2,5], "Data2":["","",""], "Status": [False, True, True]}
df = pd.DataFrame(data = d)

# 核心代码
df["Data2"] = np.where(df["Status"], "Done", "")

方法2：使用Series.map映射布尔值 #

把布尔值通过字典映射成目标字符串：

df["Data2"] = df["Status"].map({True: "Done", False: ""})

方法3：布尔索引直接赋值 #

先给所有行设为空字符串，再定位Status为True的行赋值"Done"：

df["Data2"] = ""
df.loc[df["Status"], "Data2"] = "Done"

这三种方法都不需要手动遍历行，Pandas会在底层优化执行效率，比你原来的循环代码更简洁高效。

内容的提问来源于stack exchange，提问作者teteh May