如何基于多条件更新DataFrame行中的Hike_percentage值

需求说明 #

现有包含Employee、Previous_ctc、Current_ctc、Hike_percentage字段的DataFrame，部分Hike_percentage值被错误设为0。需要仅对满足以下所有条件的行修正该字段：

• Hike_percentage为0
• Current_ctc不为0
• Current_ctc与Previous_ctc不相等

修正公式：((Current_ctc - Previous_ctc) / Previous_ctc) * 100，结果保留一位小数。

示例数据 #

期望输出 #

错误代码分析 #

用户尝试的代码存在多处问题：

1. 错误地对单个列Current_ctc调用apply，此时lambda参数x是列的单个数值，无法访问Previous_ctc等其他字段
2. 语法混乱：round函数的参数写法错误，条件判断逻辑不符合Python语法，还出现了未定义的字段Final Fixed Compensation

正确解决方案 #

方法1：向量化布尔索引（推荐，效率更高） #

利用pandas的向量化操作定位目标行，直接计算赋值：

# 构建布尔条件，筛选需要修正的行
mask = (df['Hike_percentage'] == 0) & (df['Current_ctc'] != 0) & (df['Current_ctc'] != df['Previous_ctc'])

# 计算涨幅并保留一位小数，赋值回原字段
df.loc[mask, 'Hike_percentage'] = round(
    ((df.loc[mask, 'Current_ctc'] - df.loc[mask, 'Previous_ctc']) / df.loc[mask, 'Previous_ctc']) * 100,
    1
)

方法2：逐行apply处理（适合复杂逻辑场景） #

如果需要处理更复杂的逐行判断，可指定axis=1让apply作用于整行：

def fix_hike_percentage(row):
    # 检查所有修正条件
    if row['Hike_percentage'] == 0 and row['Current_ctc'] != 0 and row['Current_ctc'] != row['Previous_ctc']:
        return round(((row['Current_ctc'] - row['Previous_ctc']) / row['Previous_ctc']) * 100, 1)
    # 不满足条件则返回原数值
    return row['Hike_percentage']

# 应用函数到每一行
df['Hike_percentage'] = df.apply(fix_hike_percentage, axis=1)

两种方法运行后，均可得到符合期望的输出结果。

内容的提问来源于stack exchange，提问作者technical