如何用df.loc为Pandas DataFrame添加多条件判断列？

错误代码分析 #

1. 尝试代码1问题：
   你把赋值操作的结果（字符串'Yes'）直接赋值给了df_new，导致df_new不是修改后的DataFrame，而是'Yes'。同时仅给符合条件的行设置了'Yes'，未满足条件的行的'Ind'列会是NaN，不符合预期。

2. 尝试代码2问题：
   loc的语法使用错误，第二个参数是列索引，你传入了行级的布尔掩码，这会导致列筛选逻辑混乱（布尔掩码是用来筛选行的，不是列），最终无法生成正确的标记列。

正确实现方法 #

方法1：先初始化默认值，再用loc更新符合条件的行（推荐）

这种方式逻辑清晰，完全贴合df.loc的使用场景：

import pandas as pd
from io import StringIO

csvfile_now = StringIO(
"""
Name    A   B   C   D
Mike    5   11  50  10
Kate    60  9   20  19
Jane    11  14  20  12
""")

df = pd.read_csv(csvfile_now, sep='\t', engine='python')

# 初始化新列'Ind'为默认值'No'
df['Ind'] = 'No'
# 使用loc定位满足条件的行，将'Ind'列设为'Yes'
df.loc[(df['B'] > df['A'] * 0.5) & (df['D'] > df['C'] * 0.5), 'Ind'] = 'Yes'

print(df)

运行结果：

Name   A   B   C   D  Ind
0  Mike   5  11  50  10   No
1  Kate  60   9  20  19   No
2  Jane  11  14  20  12  Yes

方法2：结合np.where与loc（可选）

如果不想提前初始化列，也可以用np.where生成标记值，再通过loc赋值：

import numpy as np
# 直接生成'Ind'列的所有值
df.loc[:, 'Ind'] = np.where((df['B'] > df['A'] * 0.5) & (df['D'] > df['C'] * 0.5), 'Yes', 'No')

结果说明 #

• Mike：B=11满足>5*0.5，但D=10不满足>50*0.5，标记为No
• Kate：B=9不满足>60*0.5，即使D=19满足条件，整体仍标记为No
• Jane：B=14满足>11*0.5且D=12满足>20*0.5，标记为Yes

内容的提问来源于stack exchange，提问作者Mark K