Pandas：如何用列表推导式或更优雅方法基于两列条件创建新列

给出的DataFrame定义如下：

import pandas as pd
df = pd.DataFrame ({
    'probability': [0.51, 0.48, 0.52, 0.71, 0.38, 0.22, 0.59, 0.70, 0.44, 0.62, 0.38],
    'indicator': [1, 0, 0, 1, 0, 1, 0, 1, 0, 1, 0]
})

需求：新增accuracy列，当probability>0.5且indicator=1时取值1，否则为0。已用np.select实现但觉得繁琐，尝试其他写法时出现报错：

TypeError: Cannot perform 'rand_' with a dtyped [int64] array and scalar of type [bool]

询问是否有更优雅的实现方式（如列表推导式）。

1. Pandas向量化布尔运算（推荐，效率最高） #

利用Pandas原生的向量化操作，直接组合布尔条件后转换为整数（True对应1，False对应0）：

df['accuracy'] = ((df['probability'] > 0.5) & (df['indicator'] == 1)).astype(int)

也可以用np.where实现相同逻辑：

import numpy as np
df['accuracy'] = np.where((df['probability'] > 0.5) & (df['indicator'] == 1), 1, 0)

2. 列表推导式实现 #

如果偏好迭代式写法，可通过zip配对两列数据，逐个判断生成结果：

df['accuracy'] = [1 if p > 0.5 and i == 1 else 0 for p, i in zip(df['probability'], df['indicator'])]

你遇到的TypeError是因为两个问题：一是误用了Python原生的and运算符（仅支持单个布尔值判断），而非Pandas/NumPy的向量运算符&；二是未给每个条件单独加括号，因运算符优先级问题导致0.5 & df['indicator']这类错误运算（int类型标量与bool数组无法执行按位与操作）。只需用&替代and，并为每个条件添加括号即可避免报错。

内容的提问来源于stack exchange，提问作者equanimity