Python中按条件匹配其他行值生成新列f的实现问题

核心思路是先建立d列值到对应b列值的映射表（仅保留d与e相等的行，这些行的b值就是对应d值的目标结果），再用e列的值匹配该映射表，即可直接生成f列。这种方式比逐行apply效率更高，代码更简洁。

具体步骤 #

1. 提取所有d == e的行，构建d到b的映射字典：

   # 筛选d和e相等的行，提取d和b列转为字典
   d_to_b = df.loc[df['d'] == df['e'], ['d', 'b']].set_index('d')['b'].to_dict()
   

   示例中这一步会得到字典：{13: 3, 16: 6}

2. 用e列的值匹配映射字典，生成f列：

   df['f'] = df['e'].map(d_to_b)
   

完整代码示例 #

import pandas as pd

# 示例数据
data = {
    'a': [None, None, None, None, None, None],
    'b': [1, 2, 3, 4, 5, 6],
    'c': [None, None, None, None, None, None],
    'd': [11, 12, 13, 14, 15, 16],
    'e': [13, 13, 13, 16, 16, 16]
}
df = pd.DataFrame(data)

# 构建映射字典
d_to_b = df.loc[df['d'] == df['e'], ['d', 'b']].set_index('d')['b'].to_dict()

# 生成f列
df['f'] = df['e'].map(d_to_b)

print(df)

运行后输出结果与示例表格完全一致：

a  b     c   d   e  f
0  NaN  1  NaN  11  13  3
1  NaN  2  NaN  12  13  3
2  NaN  3  NaN  13  13  3
3  NaN  4  NaN  14  16  6
4  NaN  5  NaN  15  16  6
5  NaN  6  NaN  16  16  6

原尝试代码的问题分析 #

你写的df.apply(df['b'] if df['d'] == df['e'] else df[df['d'] == df['e'],'b'].values)存在以下问题：

• df['d'] == df['e']是对整个列的比较，返回布尔Series，不符合apply逐行处理的逻辑，会直接报错。
• 索引语法错误：df[df['d'] == df['e'],'b']应改为df.loc[df['d'] == df['e'], 'b']。
• 即便修正语法，df.loc[df['d'] == df['e'], 'b'].values是一个数组，无法直接匹配当前行的e值。

内容的提问来源于stack exchange，提问作者SEan1820