如何基于Pandas两列的值更Pythonic地生成新列？

针对你需要根据两列0/1值生成新列的需求，这里提供两种更符合Pythonic风格的实现方法，比字符串拼接替换更清晰高效：

方法1：numpy.select（推荐，高性能+可读性强） #

numpy.select是处理多条件分支赋值的最优选择之一，性能远优于逐行处理的方法，适合大规模数据集，同时逻辑清晰易维护。

import pandas as pd
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({'Aa': [1, 0, 1, 0], 'Bb': [1, 1, 0, 0]})

# 定义条件列表和对应的结果值
conditions = [
    (df['Aa'] == 1) & (df['Bb'] == 1),
    (df['Aa'] == 0) & (df['Bb'] == 1),
    (df['Aa'] == 1) & (df['Bb'] == 0),
]
choices = ['Both', 'B', 'A']

# 赋值，未匹配任何条件时用默认值'None'
df['A_B'] = np.select(conditions, choices, default='None')

执行后得到的结果：

Aa  Bb   A_B
0   1   1  Both
1   0   1     B
2   1   0     A
3   0   0  None

方法2：字典映射元组（简洁直观） #

将两列的取值组合成元组，通过预定义的字典直接映射结果，代码紧凑易懂，适合中小规模数据集。

import pandas as pd

df = pd.DataFrame({'Aa': [1, 0, 1, 0], 'Bb': [1, 1, 0, 0]})

# 定义映射规则字典
result_map = {
    (1, 1): 'Both',
    (0, 1): 'B',
    (1, 0): 'A',
    (0, 0): 'None'
}

# 逐行将Aa和Bb转为元组后映射
df['A_B'] = df.apply(lambda x: result_map[(x['Aa'], x['Bb'])], axis=1)

两种方法对比 #

• 若处理百万级以上大数据集，优先选numpy.select，它是向量化操作，性能比apply高一个数量级；
• 若追求代码简洁性和可读性，字典映射的方法更直观，规则一目了然。

内容的提问来源于stack exchange，提问作者Ernesto Lopez Fune