基于列值的Pandas条件数学运算：生成end_value列求助

原始数据 #

初始DataFrame定义：

import pandas as pd
data= {'start_value':[10,20,30,40,50,60,70],
'identifier':['+','+','-','-','+','-','-']}
df = pd.DataFrame(data)

数据内容：

start_value identifier
0           10          +
1           20          +
2           30          -
3           40          -
4           50          +
5           60          -
6           70          -

需求 #

新增end_value列：

• 当identifier为+时，end_value = start_value + 5
• 当identifier为-时，end_value = start_value - 5
  预期结果（end_value为float类型）：

start_value identifier  end_value
0           10          +       15.0
1           20          +       25.0
2           30          -       25.0
3           40          -       35.0
4           50          +       55.0
5           60          -       55.0
6           70          -       65.0

错误原因分析 #

你之前的代码问题在于第二次赋值完全覆盖了第一次的结果：

df['end_value'] = 5 + df.loc[df['identifier']=="+"]['start_value']
df['end_value'] = -5 + df.loc[df['identifier']=="-"]['start_value']

第一行仅给identifier=+的行赋值，其余行是NaN；第二行仅给identifier=-的行赋值，覆盖后原来的+行就全部变成NaN了。

正确实现方法 #

方法1：使用numpy.where（最简洁） #

通过条件判断直接生成整列，自动转为float类型：

import numpy as np
df['end_value'] = np.where(df['identifier'] == '+', df['start_value'] + 5, df['start_value'] - 5)

方法2：使用df.loc分条件赋值 #

先初始化列，再分别对不同条件的行赋值，避免覆盖：

# 先初始化end_value列为float类型
df['end_value'] = df['start_value'].astype(float)
# 对+的行赋值
df.loc[df['identifier'] == '+', 'end_value'] = df['start_value'] + 5
# 对-的行赋值
df.loc[df['identifier'] == '-', 'end_value'] = df['start_value'] - 5

方法3：映射系数后计算 #

把identifier映射为对应的加减系数，再进行运算：

coef = df['identifier'].map({'+' : 5, '-' : -5})
df['end_value'] = df['start_value'] + coef

以上三种方法都能生成符合要求的end_value列，且数据类型为float。

内容的提问来源于stack exchange，提问作者user8421