DataFrame多列条件赋值代码错误排查求助

示例DataFrame #

import pandas as pd

data = {"ID": [1,2,3],
        "A": ["", "", ""],
        "B": [2,3,1],
        "C": [1,2,0],
        "var_i3": [0,0,0],
        "var_i4": [0,0,0],
        "var_i5": [0,0,0],
        "var_i6": [0,0,0]
        }
df = pd.DataFrame(data)

需求说明 #

• 当A为空字符串且B等于2或3时，将var_i3设为0、var_i4设为1、var_i5设为0
• 当C等于0时，将var_i6设为13
• 当C大于等于1时，将var_i6设为0

原代码的错误分析 #

第一种：apply+自定义函数的错误 #

原代码：

def process(row):
    if pd.isnull(row["A"]) and row["B"] in [2,3]:
        return row["var_i3"] == 0 & row["var_i4"] == 1 & row["var_i5"] == 0
    elif row["C"] == 0:
        return row["var_i6"] == 13
    else:
        if row["C"] >= 1:
            return row["var_i6"] == 0
        
    return row

df = df.apply(process, axis=1)

错误点：

1. 空值判断错误：A列是空字符串""，不是NaN，pd.isnull()无法识别空字符串，应改为row["A"] == ""
2. 赋值逻辑错误：row["var_i3"] == 0是布尔判断，不是赋值操作，不能直接返回该表达式
3. 分支返回错误：部分分支只返回单个列的判断结果，没有返回完整的行对象，导致DataFrame结构混乱

第二种：np.where+apply的错误 #

原代码：

def process(row):
    np.where(df["A"].isnull & df["B"] in [2,3], df["var_i3"] == 0 & df["var_i4"] == 1 & df["var_i5"] == 0, 
             np.where(df["C"] == 0, df["var_i6"] == 13, np.where(df["C"] == 1, df["var_i6"] == 0, row)))
df = df.apply(process)

错误点：

1. 方法调用错误：df["A"].isnull是方法，需加括号调用df["A"].isnull()，且同样无法识别空字符串
2. 向量判断错误：df["B"] in [2,3]不是pandas向量式判断，应改为df["B"].isin([2,3])
3. 无返回值：函数内仅调用np.where但未返回结果，apply无法获取修改后的数据
4. 作用域错误：在按行处理的process函数中直接操作整个df而非传入的row，逻辑混乱
5. 赋值逻辑错误：依然使用==做布尔判断而非赋值操作

修正后的代码 #

方法一：修正apply+自定义函数 #

def process(row):
    # 处理A为空且B为2/3的条件
    if row["A"] == "" and row["B"] in [2,3]:
        row["var_i3"] = 0
        row["var_i4"] = 1
        row["var_i5"] = 0
    # 处理C的条件
    if row["C"] == 0:
        row["var_i6"] = 13
    elif row["C"] >= 1:
        row["var_i6"] = 0
    return row

df = df.apply(process, axis=1)
print(df)

方法二：向量式操作（更高效，推荐） #

直接用pandas向量条件赋值，避免逐行循环，性能更优：

# 第一个条件：A为空且B在[2,3]
mask1 = (df["A"] == "") & df["B"].isin([2,3])
df.loc[mask1, ["var_i3", "var_i4", "var_i5"]] = [0, 1, 0]

# 第二个条件：C==0
mask2 = df["C"] == 0
df.loc[mask2, "var_i6"] = 13

# 第三个条件：C>=1
mask3 = df["C"] >= 1
df.loc[mask3, "var_i6"] = 0

print(df)

运行后结果：

ID A  B  C  var_i3  var_i4  var_i5  var_i6
0   1    2  1       0       1       0       0
1   2    3  2       0       1       0       0
2   3    1  0       0       0       0      13

内容的提问来源于stack exchange，提问作者Alaman99