使用np.where多列条件生成DataFrame列时结果异常的问题排查

你写的代码里，问题出在运算符优先级上：&（按位与）的优先级比==高，所以你的条件data["col1"]==1 & data["col2"]会被Python先计算1 & data["col2"]。

因为col2是布尔值，True对应1，False对应0，所以1 & False结果是0，1 & True结果是1。之后再用data["col1"]和这个结果做相等判断：

• 索引0的col1是0，0 == 0 → True，所以np.where返回1
• 索引5的col1是0，0 == 0 → True，同样返回1
  这就导致了不符合预期的结果。

解决办法 #

给每个条件单独加括号，确保先执行==判断，再用&连接两个布尔数组：

import pandas as pd
import numpy as np

data = pd.DataFrame({"col1": [0, 1, 1, 1,1, 0],
                     "col2": [False, True, False, False, True, False]
                     })

# 正确写法
data.assign(col3=np.where((data["col1"]==1) & data["col2"], 1, 0))

运行后得到的结果就是你期望的：

col1   col2  col3
0     0  False     0
1     1   True     1
2     1  False     0
3     1  False     0
4     1   True     1
5     0  False     0

补充：更简洁的实现 #

因为布尔值在Python里可以直接转为整数（True→1，False→0），所以也可以不用np.where，直接把条件表达式转成int类型：

data["col3"] = ((data["col1"]==1) & data["col2"]).astype(int)

效果和上面的代码完全一致。

内容的提问来源于stack exchange，提问作者Ailurophile