这事儿其实挺简单的，咱们可以通过布尔索引结合loc来精准赋值，直接上实操步骤：

1. 先创建示例数据（方便你直接测试） #

import pandas as pd

# 原始DataFrame
df = pd.DataFrame({
    'x': [1, 2, 1],
    'y': [2, 3, 6],
    'z': [3, 4, 7]
})

# 需要添加的a列数据
a_data = pd.Series([4, 5], name='a')

2. 核心实现步骤 #

咱们的思路是：先给原DataFrame新增一个全为NaN的a列，然后只给x=1的行填充a_data里的值：

# 新增a列，初始值全为NaN
df['a'] = pd.NA

# 筛选x等于1的行，给这些行的a列赋值a_data的数值
df.loc[df['x'] == 1, 'a'] = a_data.values

3. 验证结果 #

运行完上面的代码后，打印df就能得到你想要的结果：

x  y  z    a
0  1  2  3  4.0
1  2  3  4  NaN
2  1  6  7  5.0

补充：更简洁的写法（一行搞定） #

如果想少写几行，也可以用assign结合where来实现，逻辑是一样的：

df = df.assign(
    a=lambda d: d['x'].eq(1).cumsum().map(pd.Series(a_data.values, index=[1,2])).where(d['x'].eq(1))
)

这里的思路是先给x=1的行做累加标记（1、0、2），再把标记对应到a_data的值，最后用where只保留x=1的行的赋值，其他行留NaN。

内容的提问来源于stack exchange，提问作者jr123456jr987654321